小米知识图谱团队斩获CCKS 2020实体链指比赛冠军

“CCKS 2020：面向中文短文本的实体链指任务”是由中国中文信息学会语言与知识计算专业委员会主办，该比赛主要面向中文短文本的实体链指，简称 EL（Entity Linking）。即对于给定的一个中文短文本（如搜索 Query、微博、对话内容、文章/视频/图片的标题等），EL 将其中的实体与给定知识库中对应的实体进行关联。

比赛任务

面向中文短文本的实体链指，简称 EL（Entity Linking）。即对于给定的一个中文短文本（如搜索 Query、微博、对话内容、文章/视频/图片的标题等），EL 将其中的实体与给定知识库中对应的实体进行关联。

输入：中文短文本以及该短文本中的 mention 和其在中文短文本中的位置偏移。

输出：输出文本此中文短文本的实体链指结果。每个结果包含：实体 mention、其在中文短文本中的位置偏移、其在给定知识库中的 id，如果为 NIL 情况，需要再给出实体的上位概念类型。

比赛难点

相比于长文本拥有丰富上下文信息能辅助实体的歧义消解，短文本的实体链指存在很大的挑战，包括：

（1）比赛数据集主要来自于：真实的互联网网页标题数据、视频标题数据以及用户搜索 Query。存在口语化严重、语序错乱、错别字多等问题，导致实体歧义消解困难

（2）短文本上下文语境不丰富，须对上下文语境进行精准理解

（3）相比英文，中文由于语言自身的特点，在短文本的链指问题上更有挑战

引言

实体链指的主要目标是识别上下文中的名称指代哪个现实世界中的实体。具体而言，实体链指是将给定文本中的一个指称项映射到知识库中的相应实体上去，如果知识库尚未收录相应实体，则返回空实体。

最近有不少这方面的优秀工作。Ganea O E& Hofmann T. [1] 开创性地在 EL 中引入 Entity Embedding 作为信息，利用 Attention 机制来获得 Context 的表征，通过实体间的一致性，和 Mention 到 Entity 的 LinkCount 先验概率联合消歧。

Le, P., & Titov, I. [2] 不仅仅考虑 Local/Global 的影响，同时将实体的关系也考虑进 Embedding 中，对 Entity，Mention，Relation 元组进行 Embedding，借用 ESIM 思想进行对多关系加权处理，并使用网络进行匹配操作。

Raiman JR&Raiman OM [3] 认为当我们能预测出实体 Mention 的 Type，消歧这个任务就做的差不多了，主要利用 Type System、Type Classifier 和 LinkCount 来达到消歧的目的。

Sil et al. [4] 不但利用包含 Mention 的句子和 Wiki 页面的相似度，还加入了细粒度的相似度计算模型，将几种相似度作为神经网络的输入，避免了句子中不相关单词对 Mention 消歧的影响。综