关键词zero-shot entity linking
搜索结果 - 7
- EMNLP零样本实体链接的阅读与选择框架
零摒弃实体链接是指将实体提及与未见过的实体对齐以挑战泛化能力。本文提出了一种读取和选择（ReS）框架，通过建模实体消歧的主要组成部分，即提及 - 实体匹配和跨实体比较，从而在候选检索和候选排序阶段均具备较好的性能，无需繁琐的多阶段预训练，展 - ACLReFinED: 高效的零射击能力端到端实体链接方法
本研究介绍了 ReFinED：一个高效的实体链接模型，使用细粒度实体类型和实体描述执行链接。该模型执行单向传递，可在文档中对所有提及进行提及检测、细粒度实体类型划分和实体消歧，使其比竞争性现有方法快 60 倍以上。ReFinED 在标准实体 - EDIN：未知实体发现和索引的端到端基准和流水线
本文提出了未知实体发现与索引（EDIN）基准测试方法，并基于稠密检索实体链接技术提出了端到端的 EDIN 流程，以检测、聚类和索引上下文中的未知实体，实验结果显示，将每个实体的嵌入整合起来得到单个嵌入的方法优于独立检索每个提及。
- 基于树形结构的监督聚类方法实现实体链接和发现
本文提出了一种基于最小有向树的新型训练和推断程序，从而完全利用提及之间的亲和关系来进行实体链接和发现，并在 Zero-Shot Entity Linking 数据集和 MedMentions 数据集中展示出显著的性能提升。
- ACL噪声对比估计中的困难负例理解
本文探讨了在噪声对比估计中选择负面案例的重要性，发现硬负面案例 —— 在模型下得分最高的不正确案例是有效的，我们开发了分析工具以理解硬负面案例的作用，并通过将负面分布设置为模型分布来减少误差，同时将硬负面案例与适当的评分函数相结合，取得了强 - EMNLP高效长序列建模的零次实体链接
本文提出了一种不需要用长位置嵌入来预训练 BERT 的方法，通过称为 Embedding-repeat 的有效位置嵌入初始化方法扩展长程序列建模来解决零样本实体链接问题，并在 Wikia 的零样本 EL 数据集上将 SOTA 从 76.06 - ACL通过阅读实体描述进行零样本实体链接
本研究提出了零样本实体链接任务，通过大规模无标记数据预训练的强阅读理解模型与适应性预训练策略，成功实现了无先验标注数据的实体链接，并在新数据集上获得了比 BERT 等强预训练模型更好的表现。