摘要
我们介绍了一种新的实体类型任务：给定一个包含实体提及的句子，目标是预测一组自由形式的短语（例如摩天大楼、作曲家或罪犯），以描述目标实体的适当类型。这种表述方式使我们能够在大规模上使用一种新型的远监督方法：头词，这些词指示了它们出现的名词短语的类型。我们展示了这些超细粒度的类型可以通过众包获得，并引入了比现有基准测试更加多样化和细粒度的新评估集。我们提出了一种可以预测开放类型的模型，并使用多任务目标对其进行训练，该目标汇集了我们的新头词监督与先前来自实体链接的监督。实验结果表明，我们的模型在不同粒度下预测实体类型方面表现出色；它在现有的细粒度实体类型基准测试中达到了最先进的性能，并为我们的新引入数据集设定了基线。我们的数据和模型可以从以下网址下载：http://nlp.cs.washington.edu/entity_type