摘要

在本文中，我们介绍了TextEnt，这是一种神经网络模型，能够直接从知识库（KB）中学习实体和文档的分布式表示。给定知识库中的一个包含单词和实体注释的文档，我们训练该模型预测文档所描述的实体，并将文档及其目标实体映射到连续向量空间中的相近位置。我们的模型使用从维基百科提取的大量文档进行训练。通过两个任务评估了所提出模型的性能，即细粒度实体分类和多类文本分类。结果表明，我们的模型在这两项任务上均达到了当前最佳水平。为了进一步促进学术研究，我们已将代码和训练好的表示在线公开。