跨实体类别的问答数据中通过混合上下文粒度以改进实体链接

每个知识库问答系统的第一阶段都是对输入问题中的实体进行链接。本文研究了在问答任务背景下进行实体链接的方法，并提出了一种联合优化的神经架构，用于实体提及检测和实体消歧，该架构能够在不同粒度级别上建模周围上下文。我们利用Wikidata知识库和现有的问答数据集创建了针对问答数据的实体链接基准测试。我们的方法在这类数据上的表现优于之前的最先进系统，最终得分平均提高了8%。此外，我们还证明了该模型在不同类型的实体类别中均表现出色。