知识增强的上下文词表示

上下文词表示通常在非结构化、无标注的文本上进行训练，缺乏与现实世界实体的显式关联，且往往难以记住有关这些实体的事实信息。为此，我们提出一种通用方法，将多个知识库（Knowledge Base, KB）嵌入大规模语言模型中，从而以结构化、人工标注的知识增强模型的表示能力。针对每个知识库，我们首先利用集成的实体链接器检索相关的实体嵌入，随后通过一种词到实体注意力机制对上下文词表示进行更新。与以往方法不同，本方法在多任务学习框架下，端到端地联合训练实体链接器与自监督语言建模目标，结合少量实体链接标注数据与大量原始文本数据。在将WordNet及维基百科的子集整合至BERT模型后，所提出的知识增强型BERT（KnowBert）在困惑度、探针任务中对事实的召回能力，以及关系抽取、实体类型识别和词义消歧等下游任务上的表现均得到显著提升。KnowBert的运行时间与原始BERT相当，且具备良好的可扩展性，适用于大规模知识库。