前提
需要的知识点比较多,比如实体指称识别, 候选实体生成,候选实体消岐,few-shot, zero-shot, 实体链指,提及等, attention机制里的key value 原理。
知识点补充
few-shot, zero-shot(学习到的映射)
实体链指,提及、候选生成
将文本中的实体指称mention链向其在给定知识库中的目标实体的过程
流程:实体指称识别、候选实体生成和候选实体消岐。
候选实体生成是确定文本中的实体指称可能指向的实体集合
attention机制里的key value 原理
论文内容
mned网络来预测与相应的知识图谱嵌入在同一空间中的实体的标签嵌入。
词汇嵌入模型,确定提及和潜在实体之间的词汇相似性
疑问
为什么要分别学习KG embedding和 lexical embedding?
KG embedding 是为了用来把图文映射到一个空间的,不使用KG embeding,使用其它的映射到一个空间的就可以,比如随机方式而不是用pretrain的方式。
lexcial embe