초록
최근 생성적 접근 방식이 Entity Disambiguation(엔티티 해소)와 Entity Linking(엔티티 링킹, 즉 공동 언급 탐지 및 해소)에 효과적임이 입증되었습니다. 그러나 이전에 제안된 EL의 자동 회귀 모델은 i) 복잡한(깊은) 디코더로 인한 높은 계산 비용, ii) 소스 시퀀스 길이에 따라 확장되는 비병렬화 가능한 디코딩, 그리고 iii) 대량의 데이터를 사용하여 학습해야 하는 필요성 등의 문제점을 가지고 있었습니다. 본 연구에서는 모든 잠재적인 언급에 대해 자동 회귀 링킹을 병렬화하고 얕고 효율적인 디코더를 기반으로 하는 매우 효율적인 접근 방식을 제안합니다. 또한, 생성 목표를 강화하기 위해 추가적인 판별 구성 요소, 즉 생성기의 순위를 직접 최적화할 수 있는 수정 항을 도입하였습니다. 이러한 기술들을 종합하면 위의 모든 문제점들을 해결할 수 있습니다: 우리의 모델은 이전의 생성적 방법보다 70배 이상 빠르고 정확하며, 표준 영어 데이터셋 AIDA-CoNLL에서 최신 기법들을 능가하는 성능을 보입니다. 소스 코드는 https://github.com/nicola-decao/efficient-autoregressive-EL에서 확인 가능합니다.