Reveal the Unknown: Out-of-Knowledge-Base Mention Discovery with Entity Linking

要約

ナレッジ ベース (KB) の外にあるエンティティの言及をテキストから検出することは、KB のメンテナンスにおいて重要な役割を果たしますが、まだ十分に調査されていません。
現在の手法は、ほとんどが単純なしきい値ベースのアプローチと特徴ベースの分類に限定されており、評価用のデータセットは比較的まれです。
私たちは、対応する KB エンティティを持たないメンションを特別な NIL エンティティと照合することで識別できる、新しい BERT ベースのエンティティ リンク (EL) メソッドである BLINKout を提案します。
BERT をより有効に活用するために、NIL エンティティの表現と分類、同義語の拡張などの新しい手法を提案します。
また、一般的な KB 内の EL データセットから KB 外部のデータセットを自動的に構築するための KB プルーニングおよびバージョニング戦略も提案します。
さまざまな分野の臨床ノート、生物医学出版物、Wikipedia 記事の 5 つのデータセットの結果は、医療オントロジー、UMLS、SNOMED CT、および一般的な KB である WikiData の KB 範囲外の言及を識別する既存の方法よりも BLINKout の利点を示しています。

要約(オリジナル)

Discovering entity mentions that are out of a Knowledge Base (KB) from texts plays a critical role in KB maintenance, but has not yet been fully explored. The current methods are mostly limited to the simple threshold-based approach and feature-based classification, and the datasets for evaluation are relatively rare. We propose BLINKout, a new BERT-based Entity Linking (EL) method which can identify mentions that do not have corresponding KB entities by matching them to a special NIL entity. To better utilize BERT, we propose new techniques including NIL entity representation and classification, with synonym enhancement. We also propose KB Pruning and Versioning strategies to automatically construct out-of-KB datasets from common in-KB EL datasets. Results on five datasets of clinical notes, biomedical publications, and Wikipedia articles in various domains show the advantages of BLINKout over existing methods to identify out-of-KB mentions for the medical ontologies, UMLS, SNOMED CT, and the general KB, WikiData.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google