固有表現認識（NER）とエンティティリンク（EL）は、両者が根本的に密接に関連しているため、2つの基本的なタスクです。なぜなら、ELを実行するにはまずエンティティへの言及を検出しなければならないからです。しかし、多くのエンティティリンク手法は言及検出部分を無視し、正しい言及が事前に検出されていることを前提としています。本論文では、これらの関連性を活用し、より堅牢で汎化能力の高いシステムを得るため、NERとELの共同学習を行います。そのために、Stack-LSTMアプローチ（Dyerら, 2015）に着想を得たモデルを導入します。観察したところによると、実際にはNERとELのマルチタスク学習を行うことで、個別の目的で訓練されたモデルと比較して両方のタスクの性能が向上することが確認されました。さらに、我々はNERおよびELにおいて最先端の結果に匹敵する成果を達成しました。