LegközelebbKövetkező útmutató
Entity Rec.
Nyelvi AI
Nyelvi AI ÚTMUTATÓ
Az entitás, amely összekapcsolja a nevek szöveges említését a tudásbázis egyedi bejegyzéseivel, eldönti például, hogy a „Párizs” a várost vagy a személyt jelenti-e.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez azért fontos, mert a kétértelmű szavakat gépileg feloldható tényekké változtatja, amelyek hatalmat adnak a keresésre, a kérdések megválaszolására és a tudásgrafikonokra.
Egyetlen felületi forma sok valós dologra utalhat: az „Apple” lehet egy gyümölcs- vagy technológiai vállalat, a „Jordánia” pedig egy ország, egy kosárlabdázó vagy egy keresztnév. Az entitások összekapcsolása ezt szakaszosan oldja meg. Először is, az említésészlelés megtalálja a jelölt tartományokat a szövegben. Másodszor, a jelölt generáció lekéri a lehetséges tudásbázis-bejegyzések rövid listáját (gyakran a Wikipédiából vagy a Wikidatából), amelyeket az említés jelezhet. Harmadszor, az egyértelműsítés a kontextus alapján rangsorolja a jelölteket, kiválasztja a legjobb egyezést, és összekapcsolja az egyedi azonosítójával. A modern rendszerek mind az említés mondatát, mind az egyes jelöltek leírását vektorokba kódolják, és pontozzák a hasonlóságukat, gyakran globális koherenciát adnak hozzá, így az együtt kiválasztott entitások halmazként értelmezhetők, például több sportnév egy cikken belüli következetes feloldása.
A „Michael Jordan, a mesterséges intelligencia professzora” és a kosárlabdázó közötti keresőmotor releváns találatokat ad vissza.
Tudásdiagram készítése hírcikkekből úgy, hogy az egyes cégeket és személyeket egy Wikidata-azonosítóhoz kapcsolja.
Egy hangasszisztens, amely egyértelművé teszi a „play Mercury”-t a banda, a bolygó és az énekes Freddie Mercury között.
Orvosbiológiai szövegbányászat, amely összekapcsolja a gén- és gyógyszeremlítéseket szabványosított adatbázis-azonosítókkal kutatás céljából.
Research includes generative entity retrieval, where a model produces an entity title or identifier, and transfer to entities outside the training examples. A canonical identifier makes the reference more explicit but does not verify every assertion about the entity. Knowledge-base coverage, new entities, multilingual context, and ambiguous mentions remain evaluation concerns.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Az entitás, amely összekapcsolja a nevek szöveges említését a tudásbázis egyedi bejegyzéseivel, eldönti például, hogy a „Párizs” a várost vagy a személyt jelenti-e. Ez azért fontos, mert a kétértelmű szavakat gépileg feloldható tényekké változtatja, amelyek hatalmat adnak a keresésre, a kérdések megválaszolására és a tudásgrafikonokra.
A linkelő entitás egy konkrét, egyedi tudásbázis-bejegyzéshez társítja az említést, például egy Wikidata- vagy Wikipédia-azonosítóhoz.
A kontextus („vállalat”, „telefon”) inkább a technológiai vállalatot jelzi, mint a gyümölcsöt.
A jelöltek generációja entitások millióit szűkíti le egy kezelhető listára az említésre.
Egy bi-kódoló külön-külön ágyazza be a említést és az egyes entitásokat, így a legközelebbi szomszéd keresése gyorsan megtalálhatja a jelölteket.
A NIL megjelöli azokat az említéseket, amelyek nem felelnek meg a tudásbázis egyetlen bejegyzésének sem.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Entity Rec.
Nyelvi AI