AITerms 登入
自然語言處理知識圖譜AI應用

實體鏈接(Entity Linking)是什麼?

實體鏈接是將文本中的實體提及項,連結到知識庫中對應實體的過程,以消除歧義並豐富文本的語義資訊。

完整定義

實體鏈接(Entity Linking, EL)是一項自然語言處理任務,旨在將文本中提及的實體(例如人名、地名、組織機構等)連結到知識庫(例如維基百科、DBpedia)中對應的實體條目。這有助於消除實體提及項的歧義,並將文本與結構化的知識聯繫起來,從而提高文本理解和資訊檢索的準確性。

白話說明

你看到一句話裡的「蘋果」時,會不會先卡住,不知道是公司還是水果?

你可以把實體鏈接想成,先找出文本裡提到的是誰或什麼,再把它對上知識庫裡真正的條目。

它其實就是把文字中的實體提及項,連結到對應的唯一實體,讓模型知道這個名字到底指哪一個人、地點、公司或產品。

記住這句

先認出名字,再對到唯一的人或物。

比喻:實體鏈接就像給文本中的人名地名貼上「身分證」 -- 它會把文章裡提到的「蘋果」區分出是水果還是科技公司,並連結到維基百科等知識庫的專屬頁面,讓電腦更懂你在說什麼。

容易混淆

實體鏈接 vs 命名實體辨識

命名實體辨識只負責找出「這裡有一個人名、地名或組織名」,實體鏈接還要把它對到知識庫裡的正確對象。

實體鏈接 vs 共指解析

共指解析是在找「他、她、這家公司」指的是不是同一個對象,實體鏈接是在找它對應到知識庫中的哪一筆資料。

實體鏈接 vs 關係抽取

關係抽取在找實體之間有什麼關係,實體鏈接只負責把實體先對準。

最關鍵的區別: 先判斷你是在找名稱、找對象,還是在找關係。

實際案例

案例一:新聞摘要系統

文中提到「Paris」時,系統要判斷是法國巴黎還是人名相關條目,連結正確後,摘要和推薦才不會歪掉。

案例二:客服知識庫

使用者輸入產品別名或舊名稱時,實體鏈接會把它對到最新的產品條目,讓後續查詢、維修或推薦更準。

演算法與應用

實體鏈接通常分成候選生成和歧義消除兩步。先用字典、檢索或 NER 找出候選實體,再根據上下文、知識圖譜和語意相似度做判斷。很多系統也會把共現詞、頁面連結或實體先驗機率一起納入,讓「同名不同人」的問題更好解。

情境判斷

Q1(直覺題): 句子裡出現「Apple」,系統先判斷它是公司還是水果,這屬不屬於實體鏈接?

屬於,因為它不只是在找名詞,而是在把這個名詞對到正確的實體。

Q2(判斷題): 如果文本裡完全沒有上下文,只剩一個名字,還能穩定做實體鏈接嗎?

很難。這時通常要看外部知識、使用者歷史、來源領域或其他輔助訊號,否則同名歧義會很大。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本