来源：期刊VIP网 时间：
作者：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;
单位：山西大学计算机与信息技术学院;山西同方知网数字出版技术有限公司;山西工程科技职业大学现代物流学院;计算智能与中文信息处理教育部重点实验室(山西大学);
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。
关键词：实体检索;;零样本;;长文本;;主题多视图;;对比学习
基金资助：山西省重点研发计划(202102020101008);; 山西省科技合作交流专项(202204041101016);; 山西省基础研究计划(202203021211286,202403021211092)
