摘要
命名实体识别（NER）和实体链接（EL）是两个密切相关的基本任务，因为要执行实体链接，首先必须检测出对实体的提及。然而，大多数实体链接方法忽略了提及检测部分，假设正确的提及已经预先被检测出来。在本文中，我们通过联合学习NER和EL来利用它们之间的相关性，从而获得一个更加稳健和泛化的系统。为此，我们引入了一种受Stack-LSTM方法（Dyer等人，2015年）启发的模型。我们观察到，事实上，在NER和EL之间进行多任务学习可以提高这两个任务的性能，与仅使用单独目标训练的模型相比。此外，我们在NER和EL方面均取得了与当前最先进水平相当的结果。