[EMNLP21-findings] Named Entity Recognition for Entity Linking: What Works and What’s Next 阅读笔记

Named Entity Recognition for Entity Linking: What Works and What’s Next [pdf]

• 论文状态：被EMNLP21-findings接收
• 作者：Simone Tedeschi, Simone Conia, Francesco Cecconi and Roberto Navigli
• TL;DR: 本文尝试了各种利用命名实体类别信息辅助实体链接的方法，发现NER能够很好的在少样本训练的情况下辅助实体链接模型．

1. Motivation

作者想缩减采用大规模和有限规模数据训练出来的NL模型的表现差距，于是便采用了NER做辅助信息．

2. Contribution

• 引入了新的细粒度NER分类，可以用他们来自动地给维基百科实体标注．
• 提出了4种引入NER信息的方法：i) NER-enriched entity representations, ii) NER-enhanced candidate selection, iii) NER-based negative sampling, and iv) NER-constrained decoding.

3. Model

有4种引入NER信息的方法．
比如，其中NER辅助的候选实体生成模块会采用NER信息过滤：

4. Experiments

在只用18k数据训练的情况下，NER能提升EL baseline 到接近GENRE 的9000k的效果：

5. Key takeaways

• 在少样本训练的时候，NER信息可以辅助EL系统