Narrative-UFET：超精细实体类型的叙事生成

超精细实体类型 (UFET) 为实体提及分配高度特定的类型，但当前的方法难以处理长尾中的类型。我们假设一个关键的限制是对句子级上下文的依赖，因为消歧证据通常分布在多个句子中。测试这一点很困难，因为所有现有的 UFET 资源都是句子级别的。我们提出了 Narrative-UFET，这是 UFET 的受控扩展，其中每个实体提及都与自动生成的简短、连贯的叙述配对。综合叙述让我们能够隔离特定话语属性的影响。我们尝试了两种成对的变体：一种是实体类型在整个叙述过程中保持不变（维护），另一种是实体类型发生变化（更改）。我们表明，叙事上下文在句子级基线上对长尾类型产生了一致的改进，其中变化变体提供了更强的信号。与自然发生的上下文的比较表明，合成叙事产生了更强的收益，这表明受控的话语构建可以浮现真实文本隐含的信号。仍然存在很大的改进空间，这表明话语建模和叙事构建都有开放的方向。