原创力文档摘要
摘要
随着网络数据形式的多元化，以文本、图像、视频等为代表的多模态数据，
尤其是图文数据在信息传播中的作用日益显著。作为知识抽取与语义理解基础
的实体识别与实体链接任务，也从传统的单模态向多模态场景转变。为了有效地
捕捉和融合不同模态间的丰富语义信息，缓解单一模态数据表示不足所导致的
问题，多模态表示学习应运而生。然而现有的表示方法存在模态间信息融合不足、
噪声过滤困难和语义区分能力较弱等问题，难以满足实体识别与链接任务在多
摘要
摘要
随着网络数据形式的多元化，以文本、图像、视频等为代表的多模态数据，
尤其是图文数据在信息传播中的作用日益显著。作为知识抽取与语义理解基础
的实体识别与实体链接任务，也从传统的单模态向多模态场景转变。为了有效地
捕捉和融合不同模态间的丰富语义信息，缓解单一模态数据表示不足所导致的
问题，多模态表示学习应运而生。然而现有的表示方法存在模态间信息融合不足、
噪声过滤困难和语义区分能力较弱等问题，难以满足实体识别与链接任务在多
文档评论（0）