ReFinED: 효율적인 제로샷 기능을 갖춘 엔드투엔드 엔티티 링킹 접근법

우리는 ReFinED(Refined Fine-grained Entity Linking and Disambiguation)를 소개합니다. 이 모델은 세부적인 실체 유형과 실체 설명을 사용하여 링킹을 수행하는 효율적인 엔드투엔드 실체 링킹 모델입니다. ReFinED는 단일 순방향 패스에서 문서 내 모든 언급에 대한 언급 감지, 세부적인 실체 유형 분류, 그리고 실체 해소를 동시에 수행하여 기존의 경쟁 모델들보다 60배 이상 빠릅니다. 또한 ReFinED는 표준 실체 링킹 데이터셋에서 평균 3.7 F1 점수로 최신 기술을 능가합니다. 이 모델은 위키데이터(Wikidata)와 같은 대규모 지식베이스(위키피디아보다 15배 많은 실체를 포함)에 일반화할 수 있으며, 제로샷(zero-shot) 실체 링킹도 가능합니다. 속도, 정확성, 규모의 조합으로 인해 ReFinED는 웹 규모의 데이터셋에서 실체를 추출하기 위한 효과적이고 비용 효율적인 시스템이며, 이미 성공적으로 배포되었습니다. 우리의 코드와 사전 학습된 모델은 https://github.com/alexa/ReFinED 에서 확인할 수 있습니다.