摘要

我们介绍了ReFinED，这是一种高效的端到端实体链接模型，该模型利用细粒度实体类型和实体描述来进行链接。ReFinED能够在一次前向传递中完成文档内所有提及的识别、细粒度实体分类和实体消歧，其速度比现有的竞争方法快60倍以上。此外，ReFinED在标准实体链接数据集上的表现也超过了现有最先进方法，平均F1值提高了3.7。该模型能够泛化到大规模知识库（如Wikidata，其包含的实体数量是Wikipedia的15倍）并支持零样本实体链接。速度、准确性和规模的结合使得ReFinED成为从网络规模数据集中提取实体的有效且成本效益高的系统，该模型已成功部署应用。我们的代码和预训练模型可在https://github.com/alexa/ReFinED 获取。