【AAAI2021】阅读、回顾、选择：短文本实体链接的机器阅读理解框架

首次尝试提出一个新的多轮选择机器阅读理解框架M3，该框架设计了一个NIL验证器来处理本地消歧中的不可链接提及预测，此外还为该框架设计了一个具有历史流的多回合机制来解决短文本中的全局消歧问题。

快速增长的短文本(如搜索查询和新闻标题)实体链接(EL)是至关重要的工业应用。现有的方法大多依赖于足够的上下文来进行长文本EL，但对于简洁、稀疏的短文本来说并不有效。在本文中,我们提出一个新的框架称为多向选择题机器阅读理解(M3)从一个新的角度解决短EL:查询为每个模糊生成提到利用周围的环境,和一个选项选择模块被用来确认金从候选人使用查询实体。通过这种方式，M3框架在编码过程中充分地与候选实体交互有限的上下文，并在选择阶段隐式地考虑候选群内部的差异。此外，我们设计了一个纳入M3的两阶段验证器，以解决短文本中普遍存在的不可链接问题。为了进一步考虑话题的连贯性和被提及实体之间的相互依赖，M3通过回顾历史线索，利用多回合的方式以序列的方式处理提及。评估表明，我们的M3框架在5个中文和英文数据集上为真实世界的短文本EL实现了最先进的性能。