摘要

现代实体链接系统依赖于大量专门为此任务标注的文档（例如，AIDA CoNLL）。相比之下，我们提出了一种仅利用自然出现的信息的方法：未标注的文档和维基百科。我们的方法分为两个阶段。首先，我们为未标注文档中的每个提及构建一个高召回率的候选实体列表。其次，我们利用这些候选列表作为弱监督，以约束我们的文档级实体链接模型。该模型将实体视为潜在变量，并在未标注文本集合上进行估计时，学会根据每个提及的局部上下文以及与其他文档中实体的一致性来选择实体。最终结果表明，该方法在标准测试集上的表现可与完全监督的最先进系统相媲美。此外，在极具挑战性的设置下——即从用于估计监督系统的数据中采样的测试集上进行测试时，该方法的表现也接近这些最先进系统。通过与仅使用维基百科训练的模型进行对比，我们证明了对未标注文档建模是有益的。