Apprentissage conjoint de la reconnaissance d'entités nommées et du lien d'entités

La reconnaissance d'entités nommées (NER) et le lien d'entités (EL) sont deux tâches fondamentalement liées, car pour effectuer l'EL, il est nécessaire de détecter en premier lieu les mentions aux entités. Cependant, la plupart des approches de lien d'entités négligent la partie de détection des mentions, en supposant que les mentions correctes ont été détectées précédemment. Dans cet article, nous réalisons un apprentissage conjoint de la NER et de l'EL afin d'exploiter leur interdépendance et d'obtenir un système plus robuste et généralisable. Pour ce faire, nous introduisons un modèle inspiré par l'approche Stack-LSTM (Dyer et al., 2015). Nous constatons que, en réalité, l'apprentissage multi-tâche de la NER et de l'EL améliore les performances dans les deux tâches lorsque comparé à des modèles entraînés avec des objectifs individuels. De plus, nous obtenons des résultats compétitifs avec l'état de l'art tant en NER qu'en EL.