論文の概要: NASTyLinker: NIL-Aware Scalable Transformer-based Entity Linker
- arxiv url: http://arxiv.org/abs/2303.04426v1
- Date: Wed, 8 Mar 2023 08:08:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 14:51:08.247484
- Title: NASTyLinker: NIL-Aware Scalable Transformer-based Entity Linker
- Title(参考訳): NASTyLinker: NIL対応のスケーラブルトランスフォーマーベースのEntity Linker
- Authors: Nicolas Heist and Heiko Paulheim
- Abstract要約: 我々は,NIL-entityを意識したELアプローチを導入し,既知のエンティティのリンク性能を維持しつつ,対応する参照クラスタを生成する。
NIL-entities に対して EL を評価するために明示的に構築されたデータセットである NILK 上で NASTyLinker の有効性と拡張性を示す。
- 参考スコア(独自算出の注目度): 2.3605348648054463
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Entity Linking (EL) is the task of detecting mentions of entities in text and
disambiguating them to a reference knowledge base. Most prevalent EL approaches
assume that the reference knowledge base is complete. In practice, however, it
is necessary to deal with the case of linking to an entity that is not
contained in the knowledge base (NIL entity). Recent works have shown that,
instead of focusing only on affinities between mentions and entities,
considering inter-mention affinities can be used to represent NIL entities by
producing clusters of mentions. At the same time, inter-mention affinities can
help to substantially improve linking performance for known entities. With
NASTyLinker, we introduce an EL approach that is aware of NIL-entities and
produces corresponding mention clusters while maintaining high linking
performance for known entities. The approach clusters mentions and entities
based on dense representations from Transformers and resolves conflicts (if
more than one entity is assigned to a cluster) by computing transitive
mention-entity affinities. We show the effectiveness and scalability of
NASTyLinker on NILK, a dataset that is explicitly constructed to evaluate EL
with respect to NIL-entities. Further, we apply the presented approach to an
actual EL task, namely to knowledge graph population by linking entities in
Wikipedia listings, and provide an analysis of the outcome.
- Abstract(参考訳): エンティティリンク(EL)は、テキスト中のエンティティの参照を検出し、それらを参照知識ベースに曖昧にするタスクである。
ほとんどの一般的なELアプローチは、参照知識ベースが完全であると仮定する。
しかし実際には、知識ベース(NILエンティティ)に含まれていないエンティティにリンクする場合を扱う必要がある。
近年の研究では、参照とエンティティ間の親和性のみに焦点を当てる代わりに、参照のクラスタを生成してNILエンティティを表現するために、相互親和性を考慮することが示されている。
同時に、メンション間の親和性は既知のエンティティのリンク性能を大幅に改善するのに役立つ。
NASTyLinkerでは、NIL-entitiesを認識し、対応する参照クラスタを生成しながら、既知のエンティティに対する高いリンク性能を維持しながら、ELアプローチを導入する。
このアプローチのクラスタはトランスフォーマーからの密表現に基づいて言及し、推移的参照エンティティアフィニティを計算することで競合(クラスタに複数のエンティティが割り当てられている場合)を解決する。
NIL-entities に対して EL を評価するために明示的に構築されたデータセットである NILK 上で NASTyLinker の有効性とスケーラビリティを示す。
さらに,提案手法を実際のELタスク,すなわちウィキペディアリスト内のエンティティをリンクすることで知識グラフ人口に適用し,その結果の分析を行う。
関連論文リスト
- Instructed Language Models with Retrievers Are Powerful Entity Linkers [87.16283281290053]
Instructed Generative Entity Linker (INSGENEL)は、カジュアル言語モデルが知識ベース上でエンティティリンクを実行することを可能にする最初のアプローチである。
INSGENEL は、+6.8 F1 点が平均的に上昇する以前の生成的代替よりも優れていた。
論文 参考訳(メタデータ) (2023-11-06T16:38:51Z) - Learn to Not Link: Exploring NIL Prediction in Entity Linking [32.297735947219735]
NIL予測問題に着目したエンティティリンクデータセットNELを提案する。
NELは曖昧な実体を種として取り、ウィキペディアのコーパスで関連する言及コンテキストを収集し、NILにリンクする参照の存在を保証する。
我々は、広く使われているバイエンコーダとクロスエンコーダのエンティティリンクモデルを用いて一連の実験を行い、トレーニングデータにおけるNILの言及は、NIL予測の精度に大きな影響を及ぼすことを示した。
論文 参考訳(メタデータ) (2023-05-25T05:12:33Z) - HIORE: Leveraging High-order Interactions for Unified Entity Relation
Extraction [85.80317530027212]
本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。
重要な洞察は、単語ペア間の複雑な関連を活用することである。
実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
論文 参考訳(メタデータ) (2023-05-07T14:57:42Z) - TempEL: Linking Dynamically Evolving and Newly Emerging Entities [50.980331847622026]
進化を続ける世界では、エンティティは時間とともに変化し、これまで存在していなかった、あるいは未知の、新しいエンティティが現れます。
本研究では,この進化シナリオが,十分に確立されたエンティティリンク(EL)タスクの性能に与える影響について検討する。
我々は,2013年から2022年までの英語ウィキペディアスナップショットからなるエンティティリンクデータセットであるTempELを紹介した。
論文 参考訳(メタデータ) (2023-02-05T22:34:36Z) - Focusing on Context is NICE: Improving Overshadowed Entity
Disambiguation [43.82625203429496]
NICEは、コンテキストを活用するためにエンティティタイプ情報を使用し、周波数ベースの事前のオーバーリライスを避ける。
実験の結果,NICEは,頻繁なエンティティに対して競争力を持ちながら,オーバーシャドードエンティティ上で最高のパフォーマンスを達成できることがわかった。
論文 参考訳(メタデータ) (2022-10-12T13:05:37Z) - EDIN: An End-to-end Benchmark and Pipeline for Unknown Entity Discovery
and Indexing [28.62173704769311]
エンティティリンクに関する既存の作業は、ほとんどの場合、参照知識ベースが完成していると仮定するので、すべての言及をリンクすることができる。
本稿では,未知のエンティティ,すなわち知識ベースに記述されていないエンティティとラベル付き言及が存在しないエンティティを,既存のエンティティリンクシステムに統合しなくてはならない,未知のエンティティ発見とインデックス化のベンチマークを作成する。
密集検索ベースのエンティティリンクに基づいて構築されたEDINパイプラインは、コンテキスト内の未知のエンティティの参照を検知、クラスタ、インデックスする。
論文 参考訳(メタデータ) (2022-05-25T08:29:39Z) - Entity Linking and Discovery via Arborescence-based Supervised
Clustering [35.93568319872986]
本稿では,言及親和性を完全に活用する新しいトレーニングと推論手法を提案する。
我々は,この手法がエンティティ発見に優雅に拡張されていることを示す。
我々はZero-Shot Entity LinkingデータセットとMedMentionsに対するアプローチを評価した。
論文 参考訳(メタデータ) (2021-09-02T23:05:58Z) - Towards Consistent Document-level Entity Linking: Joint Models for
Entity Linking and Coreference Resolution [15.265013409559227]
文書レベルのエンティティリンク(EL)の課題について考察する。
我々は、コア参照解決(coref)とともにELタスクに参加することを提案する。
論文 参考訳(メタデータ) (2021-08-30T21:46:12Z) - Neural Production Systems [90.75211413357577]
視覚環境は、異なるオブジェクトまたはエンティティから構成される。
イメージをエンティティに分割するために、ディープラーニング研究者は構造的誘導バイアスを提案した。
私たちは認知科学からインスピレーションを得て、一連のルールテンプレートからなる古典的なアプローチを復活させます。
このアーキテクチャは柔軟でダイナミックな制御フローを実現し、エンティティ固有およびルールベースの情報を分解するのに役立つ。
論文 参考訳(メタデータ) (2021-03-02T18:53:20Z) - Autoregressive Entity Retrieval [55.38027440347138]
エンティティは、知識の表現と集約の方法の中心にあります。
クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。
本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
論文 参考訳(メタデータ) (2020-10-02T10:13:31Z) - Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。
エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。
その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
論文 参考訳(メタデータ) (2020-02-17T03:33:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。