Mélange de granularités contextuelles pour une meilleure liaison d'entités sur les données de questions-réponses à travers les catégories d'entités

L'étape initiale de toute approche de réponse aux questions basée sur une base de connaissances consiste à lier les entités présentes dans la question d'entrée. Nous examinons le lien d'entité dans le contexte d'une tâche de réponse aux questions et présentons une architecture neuronale optimisée conjointement pour la détection des mentions d'entités et leur désambiguïsation, modélisant le contexte environnant à différents niveaux de granularité. Nous utilisons la base de connaissances Wikidata et des ensembles de données disponibles pour la réponse aux questions afin de créer des benchmarks pour le lien d'entité sur des données de réponse aux questions. Notre approche surpasses le système précédemment considéré comme l'état de l'art sur ces données, entraînant une amélioration moyenne de 8 % du score final. Nous montrons également que notre modèle offre une performance robuste dans différentes catégories d'entités.