エンドツーエンドのエンティティ解決と質問応答

「End-to-End Entity Resolution and Question Answering Using Differentiable Knowledge Graphs」という論文を紹介。知識グラフ上での質問応答（KGQA）において、エンティティ解決（名寄せ）まで含めてEnd-to-Endで学習する手法について解説している。

• 知識グラフQAにおいて、エンティティ解決（名寄せ）まで含めたEnd-to-End学習手法を提案する論文について解説している。
• 従来のER（Entity Resolution）とKGQA（Knowledge Graph Question Answering）の分離による問題点を指摘している。
• 「微分可能な知識グラフ（Differentiable KG）」の概念を導入し、ERからQAまでをEnd-to-Endで学習可能にした。
• RoBERTaによる埋め込み抽出、Span DetectionとERの同時実行、Multi-hop Inferenceなどの技術的ポイントを解説している。