Détection approfondie d’entités ambiguës avec attention neurale locale

Nous proposons un nouveau modèle d'apprentissage profond pour la désambiguïsation entité-document conjointe, qui utilise des représentations neuronales apprises. Les composants clés sont les plongements d'entités (entity embeddings), un mécanisme d'attention neuronale sur des fenêtres de contexte local, et une étape d'inférence conjointe différentiable pour la désambiguïsation. Notre approche combine ainsi les avantages de l'apprentissage profond avec des approches plus traditionnelles telles que les modèles graphiques et les cartes mention-entité probabilistes. Des expériences approfondies montrent que nous sommes en mesure d'obtenir une précision compétitive ou de pointe à des coûts informatiques modérés.