摘要
实体链接（Entity Linking, EL）是语义文本理解和信息提取中的一个重要任务。现有的流行方法通常分别处理EL的提及检测（Mention Detection, MD）和实体消歧（Entity Disambiguation, ED）两个阶段，而没有充分利用它们之间的相互依赖关系。本文提出了一种首个神经端到端EL系统，该系统能够在文本文档中联合发现并链接实体。主要思想是将所有可能的片段视为潜在提及，并学习这些片段候选实体的上下文相似度分数，这些分数对MD和ED决策都有帮助。关键组件包括上下文感知的提及嵌入、实体嵌入以及一个概率性的提及-实体映射，而无需其他人工设计的特征。实验结果表明，当有足够的训练数据时，我们的端到端方法在Gerbil平台上的表现显著优于流行的系统。相反，如果测试数据集的标注规范与训练集不同（例如查询/推文与新闻文档），我们的ED模型与传统命名实体识别（NER）系统的结合能够提供最佳或次佳的EL准确性。