實體鏈接 是什麼？

Entity Linking — 實體鏈接 的完整解釋

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。

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。

記住這句就好

先認出名字，再對到唯一的人或物。

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。

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

實體鏈接的評估指標有哪些？

常見會看準確率、Top-k 命中率、micro/macro F1，還會看歧義消除是否穩定。

如何處理實體提及項的歧義？

可以加上下文特徵、領域知識、詞彙共現資訊，必要時先縮小候選集，再做精細判斷。

實體鏈接的未來發展趨勢是什麼？

方向多半是更好的語境理解、更大的知識庫覆蓋率，以及跟大型語言模型結合後的動態對齊能力。