動的コンテキスト拡張によるグローバルエンティティリンクの学習

最近の集団エンティティリンク（EL）手法の成功にもかかわらず、「すべての表記の一貫性（all-mention coherence）」という仮定が成り立たない状況では、これらの「グローバル」推論手法は最適でない結果をもたらす可能性があり、複雑な探索空間により推論段階での計算コストが高くなる傾向がある。本論文では、集団ELに対してシンプルかつ効果的な解決策として、動的文脈拡張（Dynamic Context Augmentation; DCA）を提案する。DCAは文書内の表記を一度の走査で処理するだけで済み、逐次的に文脈情報を蓄積することで、効率的かつ集団的な推論を実現する。また、DCAは異なる局所ELモデルをプラグイン・アンド・エンハンス（plug-and-enhance）モジュールとして柔軟に統合可能である。本研究では、DCAモデルの学習に教師あり学習および強化学習の両方の戦略を検討した。広範な実験により、さまざまな学習設定、ベースモデル、決定順序、アテンション機構においても本モデルの有効性が確認された。