ccks2020中文短文本实体链接任务测评论文--小米团队--第一名

测评论文名：面向中文短文本的多因子融合实体链指研究
官网文档链接：http://sigkg.cn/ccks2020/?page_id=700
本笔记主要将测评论文中的主要内容提炼，方便后续借鉴，读者可在上述官方文档链接中找到文档学习

摘要

论文首先采用了预训练的BERT来对短文本中的指称项进行类别预测， 利用预测的类型构建一个NIL实体，和其他候选构成完备候选实体集，然后对每一个候选实体进行多方位的特征因子抽取，利用一个多层感知机将多个特征因子融合打分，最后根据每一个候选实体和文本的关联分数进行 排序，选择分数最高的候选实体作为实体消歧预测结果。

引言

传统的实体链指任务主要是针对长文档，主要利用词袋模型计算指称项所 在上下文文本与候选实体所在文本之间的文本相似度，进而用文本的相似度来 衡量实体间的相似度，长文档拥有丰富上下文信息能辅助实体的歧义消解并完 成链指。

中文短文本实体链指主要挑战：

• 口语化严重，导致实体歧义消解困难
• 短文本上下文语境不丰富，须对上下文语境进行精准理解
• 相比于英文，中文由于语言自身的特点，在短文本的链指问题上更有挑战

论文中技术路线：

• 先采用预训练的BERT来对短文本中的实体进行类别预测，利用预测类型构建一个仅包含类型特征的实体称为NIL_type实体，和知识库中其他可以检索到的实体构成完备候选实体集，确保文本中的给定的指称项都能有一个正确的链接实体
• 对每一个候选实体进行多方位的特征因子抽取，特征因子抽取包括上下文相关特征的抽取和上下文无关特征的抽取
  • 上下文相关特征包括文本上下文和候选实体描述的相似度计算，多个指称项之间的关联度计算等
  • 上下文无关特征包括实体的流行度、实体的类型等
• 将上述特征因子利用一个多层感知机模型进行融合打分，预测每一个候选实体和文本的关联分数。最后对分数进行排序，选择分数最高的候选实体作为实体消歧预测结果<