基于主题多视图表示的零样本实体检索方法

齐丹丹; 王长征; 郭少茹; 闫智超; 胡志伟; 苏雪峰; 马博翔; 李时钊; 李茹

doi:10.16088/j.issn.1001-6600.2024092807

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (03) : 23 -34. DOI: 10.16088/j.issn.1001-6600.2024092807

基于主题多视图表示的零样本实体检索方法

齐丹丹, 王长征, 郭少茹, 闫智超, 胡志伟, 苏雪峰, 马博翔, 李时钊, 李茹

作者信息 +

Author information +

文章历史 +

摘要

零样本实体检索旨在将实体提及(mention)链接到训练阶段未见过的实体，在多种自然语言处理任务中起关键作用。然而现有方法依然存在2个问题：1)仅使用实体描述的前k个句子来构建实体的多视图表示，导致实体多视图语义冗余与缺失，很难充分学习提及与实体之间的匹配关系；2)仅以提及为中心构造正负例，对提及与实体之间的对比关系覆盖度较低，导致其匹配错误。针对以上2个问题，本文提出基于主题的多视图实体表示(Topic-MVER)方法。该方法基于主题构建实体的多视图表示，并使用对比学习建模提及与实体之间的3种关系，提升提及和实体对表示的匹配性。该方法在ZESHEL和MedMentions数据集上的Recall@1分别达到48.13%和73.86%,较基线模型分别提升2.73和1.21个百分点，验证了本文方法的有效性。