หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

แนวโน้มล่าสุดของการเชื่อมโยงเอนทิตี

ที่เก็บนี้มีวัตถุประสงค์เพื่อติดตามความคืบหน้าในการเชื่อมโยงเอนทิตี การศึกษาเกี่ยวกับวิธีการเตรียมการเป็นตัวแทนของเอนทิตีนั้นมีการระบุไว้เช่นกันเนื่องจากการเป็นตัวแทนของเอนทิตีนั้นมีผลบังคับใช้กับการเชื่อมโยงเอนทิตี

สารบัญ

  • แนวโน้ม (naacl'21 และ iclr'21)
  • แนวโน้ม (~ emnlp'20 และ conll'20)
  • แนวโน้ม (~ acl'20)
  • แนวโน้ม (~ iclr'20)
  • แนวโน้ม (~ emnlp'19, conll'19, iclr'19)
  • แนวโน้ม (~ acl'19)
  • baselines (~ acl'18)
  • บทนำการเชื่อมโยงเอนทิตี
  • ชุดข้อมูล

เนื้อหาย่อย

  • bi-encoder vs cross-encoder
  • จะรับการเป็นตัวแทนเอนทิตีได้อย่างไร?
  • เทรนด์อื่น: Bert X KB

แนวโน้ม (naacl'21 และ iclr'21)

  • การดึงเอนทิตีอัตโนมัติ

    • ระบบการเชื่อมโยงเอนทิตีแบบดั้งเดิมได้รับผลกระทบจากการใช้หน่วยความจำเนื่องจากการเข้ารหัสเอนทิตีก่อนหน้าในฐานความรู้ต้นทุนทรัพยากรการคำนวณเนื่องจากการเปรียบเทียบเอนทิตีทั้งหมดในฐานความรู้และปัญหาการเริ่มต้นเย็น

    • แทนที่จะเป็นสถาปัตยกรรมก่อนหน้านี้พวกเขาใช้ประโยชน์จากลำดับต่อลำดับเพื่อสร้างชื่อเอนทิตีในแฟชั่นอัตโนมัติที่มีเงื่อนไขในบริบท พวกเขาใช้การค้นหาลำแสงแบบ จำกัด บังคับให้ถอดรหัสตัวระบุเอนทิตีที่ถูกต้องเท่านั้น

  • การเชื่อมโยงหน่วยงานกับฐานความรู้ที่มองไม่เห็นด้วยแผนการโดยพลการ

    • ระบบการเชื่อมโยงเอนทิตีแบบดั้งเดิมสันนิษฐานว่าสคีมาของฐานความรู้ที่เชื่อมโยงหน่วยงานที่คาดการณ์ไว้ด้วยกัน พวกเขาเสนอวิธีการใหม่ในการแปลงสคีมาของเอนทิตีที่ไม่รู้จักเป็นการฝังเบิร์ตโดยใช้แอตทริบิวต์และโทเค็นเสริม

    • ในเวลาเดียวกันพวกเขายังเสนอวิธีการฝึกอบรมเพื่อจัดการกับคุณลักษณะที่ไม่รู้จัก

แนวโน้ม (~ emnlp'20 และ conll'20)

  • ในสื่อ Res: คลังข้อมูลสำหรับการประเมินชื่อการเชื่อมโยงเอนทิตีกับงานสร้างสรรค์ [กระดาษ] [รหัส]

    • พวกเขาชี้ให้เห็นว่ามีการขาดคำแนะนำและสไตล์ในการเชื่อมโยงเอนทิตีที่มีชื่อโดยเฉพาะสำหรับงานสร้างสรรค์ พวกเขาออกแบบคลังข้อมูลใหม่โดยมีจุดประสงค์ในการทำความเข้าใจรูปแบบคำอธิบายประกอบที่แตกต่างกันสำหรับโดเมนนี้รวมถึงแฟรนไชส์หนังสือรายการทีวีและอื่น ๆ

  • ลุค: การเป็นตัวแทนของนิติบุคคลที่มีบริบทอย่างลึก

    • พวกเขาเสนองานการเตรียมการใหม่โดยใช้เบิร์ตซึ่งมีการทำนายคำและนิติบุคคลที่สวมหน้ากากแบบสุ่มในคลังข้อมูลที่มีข้ออ้างในเอนทิตีจากวิกิพีเดีย

    • นอกจากนี้ในภารกิจการเตรียมการพวกเขาเสนอเวอร์ชันขยายของหม้อแปลงซึ่งพิจารณาถึงการใช้ตัวเองที่ตระหนักถึงเอนทิตีและประเภทของโทเค็น (คำหรือเอนทิตี) เมื่อคำนวณคะแนนความสนใจ

  • การเชื่อมโยงเอนทิตีศูนย์การยิงที่ปรับขนาดได้กับการดึงเอนทิตีหนาแน่น

    • ดูที่นี่

  • เอนทิตีเชื่อมโยงใน 100 ภาษา [กระดาษ]

    • พวกเขาเสนอสูตรใหม่สำหรับการเชื่อมโยงเอนทิตีหลายภาษาซึ่งการกล่าวถึงเฉพาะภาษาจะแก้ไขให้เป็นฐานความรู้ทางภาษา นอกจากนี้พวกเขายังมี mewsli-9 ชุดข้อมูลหลายภาษาใหม่ขนาดใหญ่ที่ตรงกับการตั้งค่านี้

  • Cometa: คลังข้อมูลการแพทย์ที่เชื่อมโยงในโซเชียลมีเดีย [กระดาษ]

    • พวกเขานำเสนอ Cometa ซึ่งเป็นคลังข้อมูลที่เป็นเอกลักษณ์ของขนาดใหญ่และความครอบคลุมซึ่งประกอบด้วยเอนทิตีชีวการแพทย์ 20k ภาษาอังกฤษที่กล่าวถึงด้วยคำอธิบายประกอบที่มีคำอธิบายประกอบผู้เชี่ยวชาญซึ่งเชื่อมโยงกับกราฟความรู้ CT Snomed

  • zero-shot entity เชื่อมโยงกับการสร้างแบบจำลองลำดับระยะยาวที่มีประสิทธิภาพ [กระดาษ]

    • พวกเขาเสนอวิธีการเริ่มต้นการเริ่มต้นการฝังตำแหน่งใหม่ที่เรียกว่า Embeddings-Repeat ซึ่งเริ่มต้นการฝังตำแหน่งที่ใหญ่ขึ้นโดยการทำซ้ำขนาดเล็กจาก Bert-base สำหรับการเชื่อมโยงเอนทิตีแบบศูนย์วิธีการของพวกเขาจะปรับปรุง SOTA จาก 76.06% เป็น 79.08% ในชุดข้อมูล

แนวโน้ม (~ acl'20)

  • จากศูนย์ถึงฮีโร่: การเชื่อมโยงเอนทิตีของมนุษย์ในลูปในโดเมนทรัพยากรต่ำ [ลิงก์]

    • สไลด์ (ไม่เป็นทางการ)

  • การปรับปรุงเอนทิตีที่เชื่อมโยงผ่านการฝังเอนทิตีเสริมความหมาย

แนวโน้ม (~ iclr'20)

  • สารานุกรมที่ได้รับการฝึกฝนมาก่อน: แบบจำลองภาษาที่มีความรู้ที่มีความรู้อย่างอ่อน (ICLR'20) [PAPER]

    • การเพิ่มงานการทำนายแบบไบนารีจำแนกว่านิติบุคคลจะถูกแทนที่หรือไม่พวกเขาฝึกฝนรูปแบบภาษา เพื่อจุดประสงค์ในการตรวจสอบว่า LM นั้นมีความรู้หรือไม่พวกเขาประเมินแบบจำลองโดยไม่ต้องใช้ข้อเท็จจริงที่ไม่เป็นศูนย์โดยใช้ Wikidata Triplets หรือไม่

  • K-Adapter: ผสมผสานความรู้เข้ากับโมเดลที่ผ่านการฝึกอบรมมาก่อนด้วยอะแดปเตอร์ [กระดาษ]

    • แบบจำลอง LM ก่อนหน้านี้ที่มีความรู้ฉีดเรียนรู้ความรู้ระหว่างการฝึกอบรมและไม่สามารถเรียนรู้ได้อย่างต่อเนื่อง ด้วยโมดูลอะแดปเตอร์ที่เสนอพวกเขาจะแสดงโมเดลทั้งหมดรวมถึงอะแดปเตอร์จับความรู้จริงและความรู้ทั่วไปมากกว่ารุ่นก่อนหน้าเช่น Roberta

แนวโน้ม (~ emnlp'19, conll'19, iclr'19)

  • แม้ว่าดูเหมือนว่าจะมีการวิจัยที่เกี่ยวข้องกับแบบจำลอง EL แต่ตอนนี้บางคนกำลังศึกษาเกี่ยวกับ (วิธีรับ) "การเป็นตัวแทนเอนทิตี" เอง

แบบจำลองสำหรับการเชื่อมโยงเอนทิตี

  • การปรับปรุงการเชื่อมโยงเอนทิตีโดยการสร้างแบบจำลองข้อมูลประเภทเอนทิตีแฝง (aaai'20) กระดาษ

  • zero-shot entity เชื่อมโยงกับกระดาษการดึงเอนทิตีหนาแน่น (10, พฤศจิกายน)

    • คล้ายกับ [Logeswaran, et al., Acl'19] และ [Gillick, et al., Conll'19]

    • สไลด์ (ไม่เป็นทางการ)

  • การเชื่อมโยงเอนทิตีผ่านตัวเข้ารหัสแบบคู่และข้ามความสนใจ [arxiv]

    • การรวม [Gillick, et al., conll'19] กับความสนใจข้ามระหว่างการกล่าวถึงและผู้สมัคร

  • การประเมินผลอย่างละเอียดสำหรับการเชื่อมโยงเอนทิตี (EMNLP'19)

    • repo

  • การเรียนรู้การเพิ่มบริบทแบบไดนามิกสำหรับการเชื่อมโยงเอนทิตีระดับโลก (EMNLP'19)

    • กระดาษ repo

  • การพิมพ์เอนทิตีที่ละเอียดสำหรับการเชื่อมโยงเอนทิตีอิสระของโดเมน

    • กระดาษ

  • การตรวจสอบความรู้ของเอนทิตีในเบิร์ตด้วยการเชื่อมโยงเอนทิตีแบบ end-to-end อย่างง่าย (Conll '19) [กระดาษ]

    • พวกเขาเสนอ EL แบบ end-to-end รวมถึงขั้นตอนการสร้างผู้สมัคร เป็นครั้งแรกโดยการคัดเลือก EL เป็นปัญหาการจัดประเภทโทเค็น
  • ความไม่ลงรอยกันของเอนทิตีทั่วโลกด้วยการฝังบริบทของคำและเอนทิตี [กระดาษ]

การเป็นตัวแทนเอนทิตี

  • การเรียนรู้การเป็นตัวแทนหนาแน่นสำหรับการดึงเอนทิตี (Conll '19)

    • กระดาษ repo

    • พวกเขาเสนอว่าไม่มีการใช้งานตารางนามแฝง (ซึ่งใช้สถิติวิกิพีเดียหรือเตรียมหนึ่ง) และค้นหาเอนทิตีทั้งหมดโดยการค้นหาเดรัจฉาน/การค้นหาที่ใกล้ที่สุดโดยประมาณสำหรับการเชื่อมโยงเอนทิตีต่อการกล่าวถึง

  • ENTEVAL: มาตรฐานการประเมินแบบองค์รวมสำหรับการเป็นตัวแทนเอนทิตี (EMNLP '19)

    • repo

  • การเป็นตัวแทนเอนทิตีการเรียนรู้สำหรับการสร้างหมวดหมู่วิกิพีเดียไม่กี่ครั้ง (ICLR '19)

    • OpenReview

  • ความรู้ที่เพิ่มขึ้นการแสดงคำบริบท (EMNLP '19) [กระดาษ]

    • โดยการฉีดข้อมูลเอนทิตี KB ลงในการเป็นตัวแทนของการกล่าวถึงการกล่าวถึงผ่านเบิร์ตพวกเขาปรับปรุงคุณภาพของ LM ที่สวมหน้ากากและความสามารถในการเรียกคืนข้อเท็จจริง

แนวโน้ม (~ acl'19)

  • แนวโน้มของการใช้ประโยชน์จากข้อมูลทั้งหมด (เช่นประเภทและคำจำกัดความและเอกสารที่กล่าวถึงมีอยู่ ฯลฯ ... ) ดูเหมือนว่าจะไม่พอใจ

  • แม้ว่าโดเมน Wikipedia สามารถใช้การเชื่อมโยงหลายมิติ (= คู่ที่กล่าวถึง-ประมาณ 7,500,000) สำหรับรูปแบบการเชื่อมโยงการฝึกอบรมภายใต้สถานการณ์เฉพาะโดเมนบางอย่างมีคู่ที่กล่าวถึงไม่มากนัก

  • ดังนั้นเอกสารบางฉบับจึงท้าทายการเรียนรู้ระยะไกลและการเรียนรู้แบบไม่ยิงแบบไม่มีการเชื่อมโยงเอนทิตี

    • การเรียนรู้ที่ห่างไกล

      • การเรียนรู้ระยะไกลสำหรับการเชื่อมโยงเอนทิตีกับการตรวจจับเสียงอัตโนมัติ

        • สไลด์ (ไม่เป็นทางการ)

        • พวกเขาเสนอให้ Framing EL เป็นปัญหาการเรียนรู้ที่ห่างไกลซึ่งไม่มีข้อมูลการฝึกอบรมที่มีป้ายกำกับและรูปแบบการยกเลิกการทำเสียงสำหรับงานนี้

      • การเพิ่มประสิทธิภาพการเชื่อมโยงเอนทิตีโดยใช้ประโยชน์จากเอกสารที่ไม่มีป้ายกำกับ

    • การเชื่อมโยงแบบไม่มีการยิง

      • การเชื่อมโยงเอนทิตี zero-shot โดยการอ่านคำอธิบายเอนทิตี

      • สไลด์ (ไม่เป็นทางการ)

      • พวกเขาเสนอ zero-shot el ซึ่งไม่มีการกล่าวถึงการทดสอบในระหว่างการฝึกอบรม สำหรับการจัดการกับศูนย์ EL พวกเขาเสนอกลยุทธ์การปรับโดเมนสำหรับแบบจำลองภาษาก่อนการฝึกอบรม นอกจากนี้พวกเขายังแสดงให้เห็นว่าคำอธิบายการพูดคุยเกี่ยวกับความสนใจเป็นสิ่งสำคัญสำหรับเอล

  • การเรียนรู้การเป็นตัวแทนของเอนทิตีที่ใช้เบิร์ตก็เกิดขึ้นเช่นกัน

    • Ernie: การเป็นตัวแทนภาษาที่ได้รับการปรับปรุงด้วยหน่วยงานที่ให้ข้อมูล [Paper]

baselines (~ acl'18)

  • (แสดงความคิดเห็น @ nov, 19 ') ในสมัยนั้นงานวิจัยเพื่อปรับปรุง โมเดล การเชื่อมโยงเอนทิตีของตัวเองกำลังเฟื่องฟู

  • สไตล์ตัวหนา แสดงคะแนน SOTA ของชุดข้อมูลที่เฉพาะเจาะจง

รุ่นพื้นฐาน ปี ชุดข้อมูล รหัส วิ่ง? ที่อยู่รหัส
การเชื่อมโยงเอนทิตีผ่านการเข้ารหัสแบบร่วมของประเภทคำอธิบายและบริบท EMNLP2017 Conll-Yago (82.9, ACC), ACE2004, ACE2005, Wiki ( 89.0 , F1) เทนเซอร์โฟลว์ อัปโหลดรุ่นรถไฟเท่านั้น ที่นี่
┗ (คล้ายกับข้างต้น) การกำกับดูแลหลายภาษาร่วมกันสำหรับการเชื่อมโยงเอนทิตีข้ามภาษา EMNLP2018 th-test, MCN-test, TAC2015 pytorch การตรวจสอบ ที่นี่
การเชื่อมโยงเอนทิตี้ของกลุ่มประสาท (NCEL) CL2018 Conll-Yago, Ace2004, Aquaint, TAC2010 ( 91.0 , MIC-P), WW pytorch ข้อผิดพลาด ที่นี่
การปรับปรุงการเชื่อมโยงเอนทิตีโดยการสร้างแบบจำลองความสัมพันธ์แฝงระหว่างการกล่าวถึง ACL2018 Conll-Yago ( 93.07 , MIC-ACC), Aquaint, Ace2004, CWEB, Wiki (84.05, F1) pytorch ประเมินผล ที่นี่
เอลเดน NAACL2018 Conll-PPD (93.0, P-MIC), TAC2010 (89.6, MIC-P) Lua, Torch (Lua) ข้อผิดพลาด ที่นี่
ความไม่ลงรอยกันของกิจการร่วมกัน EMNLP2017 Conll-Yago (92.22, MIC-ACC), CWEB, WW, ACE2004, Aquaint, MSNBC Lua, Torch (Lua) รถไฟวิ่ง (2019/01/15) ที่นี่
การสูญเสียลำดับชั้นและทรัพยากรใหม่สำหรับการพิมพ์และเชื่อมโยงเอนทิตี้ ACL2018 Medmentions, Typenet pytorch ข้อผิดพลาด ที่นี่
การเรียนรู้ร่วมกันเกี่ยวกับการฝังคำและเอนทิตีสำหรับความไม่ลงรอยกันของเอนทิตี (ยามาดะ, ชินโด) Conll2016 Conll-Yago (91.5, MIC-ACC), Conll-PPD (93.1, P-MIC), TAC2010 (85.5, MIC-ACC) Pytorch/Tensorflow (ต้นฉบับ) การตรวจสอบ ต้นฉบับพื้นฐาน
การเรียนรู้การเป็นตัวแทนของตำราและนิติบุคคลจากฐานความรู้ (ยามาดะ, ชินโด) ACL2017 Conll-PPD ( 94.7 , P-MIC), TAC2010 (87.7, MIC-ACC) Pytorch/Keras (ต้นฉบับ) การตรวจสอบ คบเพลิงคบเพลิงต้นฉบับ

ชุดข้อมูล

ทั่วไป

หมายเหตุ: ชุดข้อมูลหลักสำหรับการเปรียบเทียบงานนี้มีการระบุไว้ที่พื้นที่เก็บข้อมูลกะพริบ

พูดได้หลายภาษา

  • ชุดข้อมูล mewsli-9

    • ชุดข้อมูลนี้สร้างขึ้นจาก Wikinews และครอบคลุมภาษาที่หลากหลาย 9 ภาษาครอบครัว 5 ภาษาและระบบการเขียน 6 ระบบ

เฉพาะโดเมน

  • เกี่ยวกับชีวการแพทย์

    • Medmentions ([Mohan and Li, Akbc '19])

      • Medmentions ถูกสร้างขึ้นเป็นชุดข้อมูลมาตรฐานสำหรับการรับรู้เอนทิตีที่มีชื่อและการเชื่อมโยงเอนทิตีในโดเมนชีวการแพทย์

      • เนื่องจากมีแนวคิดมากมายที่กว้างเกินไปที่จะใช้งานจริง ST21PV ถูกสร้างขึ้นโดยการกรองแนวคิดที่กว้างเหล่านั้นออกจากการรับประทานอาหาร

    • BC5CDR ([Li et al., '15'])

      • BC5CDR เป็นชุดข้อมูลที่สร้างขึ้นสำหรับงาน Biocreative V Chemical and Disease กล่าวถึงงานการรับรู้

      • ประกอบด้วย 1,500 บทความที่มีสารเคมี 15,935 และ 12,852 กล่าวถึงโรค

      • ฐานความรู้อ้างอิงคือตาข่ายและเกือบทั้งหมดกล่าวถึงมีเอนทิตีทองคำในฐานความรู้อ้างอิง

    • Wikimed และ PubMedds ([Shikhar et al., '20])

      • Wikimed มีมากกว่า 650,000 กล่าวถึงแนวคิดในแนวคิดใน UMLS (อ้างถึง)

      • นอกจากนี้พวกเขายังสร้างคลังข้อมูลที่มีคำอธิบายประกอบ PubMedds ด้วยการกล่าวถึงปกติมากกว่า 5 ล้านครั้ง โปรดทราบว่าชุดข้อมูลนี้ถูกสร้างขึ้นโดยการกำกับดูแลที่ห่างไกลซึ่งนำไปสู่การสร้างคำอธิบายประกอบที่มีเสียงดัง

  • เป็นศูนย์

    • ชุดข้อมูล Wikia ([Logeswaran et al., '19])

      • จากการเชื่อมโยงหลายมิติของ Wikia และธีมที่เกี่ยวข้องพวกเขาสร้างชุดข้อมูลสำหรับการประเมินการวางนัยทั่วไปของงานการเชื่อมโยงเอนทิตี

      • พวกเขาสร้างชุดข้อมูล 16 Worlds ซึ่งแบ่งออกเป็น 8/4/4 สำหรับรถไฟ / dev / test และเป็นอิสระอย่างสมบูรณ์ซึ่งกันและกัน

bi-encoder vs cross-encoder

  • เนื่องจาก [Gillick et al., Conll'19] ครั้งแรกที่เสนอระบบการดึงตัวเข้ารหัส bi- (หรือ dual-) ครั้งแรกสำหรับการเชื่อมโยงเอนทิตีเอกสารบางฉบับยังใช้ประโยชน์จากเบิร์ตสำหรับพวกเขา แนวคิดดั้งเดิมสำหรับระบบดึงข้อมูลที่ใช้ biencoder ยังเสนอโดย [Gillick et al., '18]

    • โพลี-เข้ารหัสยังสามารถนำไปใช้กับการเชื่อมโยงเอนทิตีเช่น Wu et al., 2020 แสดงให้เห็น

      • สไลด์ (ไม่เป็นทางการ) สำหรับโพลีเข้ารหัส

  • เครื่องเข้ารหัสที่ใช้หม้อแปลงมักจะถูกนำมาใช้เพื่อการกล่าวถึงและการเข้ารหัสเอนทิตี

    • นับตั้งแต่การเปิดตัวของ Blink, bi-encoder จะค่อยๆถูกนำมาใช้ในการตั้งค่าเฉพาะโดเมนเช่น [Partalidou et al ', 21'] และ [Bhowmik et al ', '21]

จะรับ/เตรียมการเป็นตัวแทนเอนทิตีได้อย่างไร?

  • ขึ้นอยู่กับเอกสาร@ธันวาคม '19

เทรนด์อื่น: Bert X KB

  • งานวิจัยบางอย่างกำลังพยายามรวมข้อมูล KB กับ Bert

    • Kepler: รูปแบบแบบครบวงจรสำหรับการฝังความรู้และการเป็นตัวแทนภาษาที่ผ่านการฝึกอบรมมาก่อน (ทำงานระหว่างดำเนินการ @ nov, '19)

    • การบูรณาการความรู้เชิงบริบทของกราฟเข้ากับแบบจำลองภาษาที่ผ่านการฝึกอบรมมาก่อน (ทำงานอยู่ระหว่างดำเนินการ @ ธ.ค. '19)

    • K-Bert: เปิดใช้งานการเป็นตัวแทนภาษาด้วยกราฟความรู้

  • [Petroni, et al., '19] ตรวจสอบว่าเบิ ร์ ตมีความรู้จริงหรือไม่

การแนะนำการเชื่อมโยงเอนทิตี

โมเดลท้องถิ่นและโมเดลระดับโลก

  • รายละเอียดเป็น wrintten ใน การเชื่อมโยงเอนทิตีของกลุ่มประสาท กระดาษ

แนวโน้มในจุดของ ท้องถิ่น กับ ระดับโลก

รูปแบบ ท้องถิ่น / ระดับโลก คืออะไร?

ผิด

  • การเชื่อมโยงเอนทิตีที่ใช้การเข้ารหัสแบบ Bi-encoder และการใช้งาน [ลิงก์]

  • กระดาษสำรวจที่ครอบคลุมของการเชื่อมโยงเอนทิตีปรากฏขึ้น

    • การเชื่อมโยงเอนทิตีของระบบประสาท: การสำรวจแบบจำลองบนพื้นฐานของการเรียนรู้อย่างลึกซึ้ง

  • (แสดงความคิดเห็น @ March, 2020) ปัจจุบันที่เก็บนี้มีเอกสารสำหรับการเชื่อมโยงทั้งเอนทิตีและเอนทิตี LM อดีตต้องการการเข้ารหัสนิติบุคคลสำหรับการสร้างความไม่ลงรอยกันในขณะที่หลังหมายถึงการฉีดความรู้เอนทิตีลงใน LM ในระหว่างการฝึกอบรม ดังนั้นพวกเขาจึงแตกต่างกันอย่างสมบูรณ์แม้ว่างานของเอนทิตี LM จะประเมินแบบจำลองด้วยความไม่ลงรอยกันของเอนทิตี เราจะแยกพวกเขาที่ที่เก็บนี้ในอนาคตอันใกล้

  • เอกสาร EL แบบข้ามภาษา

    อ้างถึงจาก Gupta และคณะ (emnlp '18)

    การเชื่อมโยงเอนทิตี้ข้ามภาษา (XEL) มีจุดมุ่งหมายเพื่อกล่าวถึงสิ่งที่เขียนไว้ในภาษาใด ๆ กับฐานความรู้ภาษาอังกฤษ (KB) เช่น Wikipedia

    • การกำกับดูแลหลายภาษาร่วมกันสำหรับการเชื่อมโยงเอนทิตีข้ามภาษา (EMNLP '18)

    • ไปสู่การเชื่อมโยงเอนทิตีข้ามภาษาที่เป็นศูนย์ (Shuyan et al., EMNLP Workshop '19)

  • การเชื่อมโยงเอนทิตีสำหรับข้อความที่มีเสียงดัง/สั้น

    • การจับคู่ความหมายแบบรวมสำหรับการเชื่อมโยงเอนทิตีข้อความสั้น ๆ (ACL'18) [กระดาษ]

    • การใช้บริบทอย่างมีประสิทธิภาพในการเชื่อมโยงเอนทิตีที่มีเสียงดัง (EMNLP'18) [กระดาษ]

  • การเชื่อมโยงเอนทิตีหลายรูปแบบ

    • Multimodal ชื่อเอนทิตี disambiguation สำหรับโพสต์โซเชียลมีเดียที่มีเสียงดัง (ACL '18) [กระดาษ]

  • เอกสารอื่น ๆ

    • เอกสารเชื่อมโยงเอนทิตีรายการเท่านั้น

    • การเรียนรู้ร่วมกันของการรับรู้เอนทิตีที่มีชื่อและกระดาษเชื่อมโยงเอนทิตี

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด