事前学習されたTransformerモデルは、テキストから文脈情報を学習することで、自然言語処理（NLP）の多数のタスクにおける性能を向上させる最先端の手法として登場している。これらのモデルは強力ではあるが、特定のシナリオにおいては依然として専門的な知識が必要となる。本論文では、知識グラフ（本研究ではWikidata）から得られる文脈情報が、Wikidataの知識グラフ上で名前付きエンティティの曖昧性解消（NED）の性能向上に十分な信号を提供できると主張する。さらに、提案する知識グラフ文脈がWikipediaにも標準化可能であると仮説を立て、最先端のNEDモデルに対する知識グラフ文脈の影響をWikipedia知識ベース上で評価する。実証的な結果から、提案する知識グラフ文脈がWikipediaにも一般化可能であることが確認され、Transformerアーキテクチャに知識グラフ文脈を導入することで、従来のベースライン、特に単純なTransformerモデルを大幅に上回る性能が得られることが示された。