类型约束增强链接精度
利用知识图谱分类法中的类型监督，通过多任务学习在实体链接中融合类型信息，从而更稳健地排除类型不一致的候选实体，优于仅依赖上下文、全局一致性或先验概率的现有方案。
Wang, Xuwu · Chen, Lihan · Wei, Zhu · Ni, Yuan · Xie, Guotong · 阳德青 · 肖仰华
Knowledge and Information Systems 2023
利用提及的类型信息排除与提及类型不同的候选实体，从而缩小候选范围，提高链接精度。
多任务学习框架将类型信息用于增强提及上下文的表示，相比直接依赖分类器的类型预测，对分类错误更为稳健。
通过将知识图谱分类法中的类型选择建模为非线性整数规划问题，自动确定适当粒度的类型，避免了人工设计。