ReFinED: ゼロショット対応の効率的なエンティティリンク付けのエンドツーエンドアプローチ

私たちはReFinED（Refined Fine-grained Entity Linking and Disambiguation）を紹介します。これは、微細なエンティティタイプとエンティティの説明を使用してリンクを行う効率的なエンドツーエンドのエンティティリンクモデルです。このモデルは、文書内のすべての言及に対して、言及検出、微細なエンティティタイプ付け、およびエンティティの曖昧性解消を単一の順方向パスで行います。これにより、競合する既存の手法よりも60倍以上高速となります。また、ReFinEDは標準的なエンティティリンクデータセットにおいて平均3.7 F1スコアで最先端の性能を上回っています。このモデルは、Wikidata（Wikipediaの15倍以上のエンティティ数を持つ大規模な知識ベース）のような大規模な知識ベースへの汎化能力を持ち、ゼロショットでのエンティティリンクも可能です。速度、精度、スケーラビリティの組み合わせにより、ReFinEDはウェブスケールのデータセットからエンティティを抽出するための効果的かつコスト効率の高いシステムとなっています。本モデルはすでに成功裏に導入されており、コードと事前学習済みモデルはhttps://github.com/alexa/ReFinED で公開されています。