深層強化学習を用いた連携エンティティリンク

エンティティリンクは、与えられた知識ベース内の対応するエンティティに言及を対応させるタスクである。これまでの研究では、エンティティリンクシステムが全体的な一貫性を捉える必要性が指摘されている。しかし、従来の全体モデルには2つの一般的な弱点がある。第一に、これらのモデルの多くはすべての候補エンティティ間のペアワイズスコアを計算し、最も関連性が高いエンティティ群を選択する。この過程で、誤ったエンティティ間の一貫性と正しいもの間の一貫性がともに含まれるため、ノイズデータが導入され、モデルの複雑さが増す可能性がある。第二に、以前に曖昧さ解消されたエンティティの手がかりが、その後の言及の曖昧さ解消に貢献する可能性があるにもかかわらず、従来のモデルでは通常無視される。これらの問題に対処するために、我々は全体的なリンクをシーケンス決定問題に変換し、全体的な観点から決定を行う強化学習モデルを提案する。我々のモデルは以前参照されたエンティティを十分に活用し、現在の選択が後の決定に与える長期的な影響を探求する。異なる種類のデータセット上で実験を行い、その結果は我々のモデルが最先端システムを上回り、より優れた汎化性能を持つことを示している。