Liên kết và định hướng thực thể
Bản đồ liên kết thực thể đề cập đến tên trong văn bản với các mục duy nhất trong cơ sở kiến thức, chẳng hạn như quyết định xem 'Paris' có nghĩa là thành phố hay con người.
Tổng quan
Nó quan trọng vì nó biến những từ mơ hồ thành những dữ kiện có thể giải quyết được bằng máy, hỗ trợ cho việc tìm kiếm, trả lời câu hỏi và biểu đồ tri thức.
Lặn sâu
Một hình thức bề mặt duy nhất có thể đề cập đến nhiều thứ trong thế giới thực: 'Apple' có thể là một loại trái cây hoặc công ty công nghệ và 'Jordan' có thể là một quốc gia, một cầu thủ bóng rổ hoặc một cái tên. Liên kết thực thể giải quyết vấn đề này theo từng giai đoạn. Đầu tiên, phát hiện đề cập sẽ tìm thấy các khoảng ứng viên trong văn bản. Thứ hai, việc tạo ứng viên truy xuất một danh sách rút gọn các mục cơ sở tri thức có thể có (thường từ Wikipedia hoặc Wikidata) mà đề cập có thể biểu thị. Thứ ba, việc phân định xếp hạng các ứng viên đó bằng cách sử dụng ngữ cảnh, chọn kết quả phù hợp nhất và liên kết với mã định danh duy nhất của nó. Các hệ thống hiện đại mã hóa cả câu được đề cập và mô tả của từng ứng cử viên thành các vectơ và cho điểm mức độ giống nhau của chúng, thường bổ sung tính mạch lạc tổng thể để các thực thể được chọn cùng nhau có ý nghĩa như một tập hợp, giống như việc phân giải một số tên môn thể thao trong một bài viết một cách nhất quán.
Hiểu biết kỹ thuật
Trình liên kết tiên tiến sử dụng bộ mã hóa kép để truy xuất ứng viên nhanh chóng và bộ mã hóa chéo để sắp xếp lại chính xác. Bộ mã hóa kép nhúng riêng phần đề cập trong ngữ cảnh và từng mô tả thực thể, cho phép tìm kiếm lân cận gần nhất trên hàng triệu thực thể. Sau đó, bộ mã hóa chéo sẽ cùng nhau đọc đề cập và chọn ứng cử viên hàng đầu để chấm điểm khả năng tương thích chi tiết. Lớp NIL xử lý các đề cập không có mục nhập phù hợp. Suy luận tập thể tối ưu hóa tất cả các đề cập trong tài liệu cùng nhau để có sự mạch lạc.
Tác động chiến lược
Tốc độ và tỷ lệ
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Truy cập và tiếp cận
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Quyết định rõ ràng hơn
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Tương lai của liên kết và định hướng thực thể
Liên kết thực thể đang hướng tới các phương pháp tiếp cận tổng quát hoàn toàn trong đó một mô hình trực tiếp đưa ra mã định danh hoặc tiêu đề duy nhất của thực thể và hướng tới liên kết không bắn để xử lý các thực thể không nhìn thấy trong quá trình đào tạo chỉ bằng cách sử dụng mô tả văn bản của chúng. Tích hợp chặt chẽ với các mô hình ngôn ngữ lớn và thế hệ tăng cường truy xuất sẽ cho phép chatbot đưa ra câu trả lời dựa trên ID cơ sở kiến thức chuẩn, giảm ảo giác. Mong đợi liên kết đa ngôn ngữ và đa phương thức, phân giải tên giữa các ngôn ngữ và thậm chí từ hình ảnh, sẽ trở thành tiêu chuẩn.
Triển khai trong thế giới thực
Một công cụ tìm kiếm đang phân giải 'Giáo sư AI Michael Jordan' so với cầu thủ bóng rổ để trả về các kết quả có liên quan.
Xây dựng biểu đồ kiến thức từ các bài báo bằng cách liên kết từng công ty và cá nhân được đề cập với ID Wikidata.
Một trợ lý giọng nói phân biệt 'chơi Mercury' giữa ban nhạc, hành tinh và ca sĩ Freddie Mercury.
Khai thác văn bản y sinh liên kết đề cập đến gen và thuốc với các mã định danh cơ sở dữ liệu được tiêu chuẩn hóa để nghiên cứu.
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Entity Linking and Disambiguation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Thực thể được đặt tên Rec.
Câu hỏi thường gặp
Liên kết thực thể và định hướng là gì?
Bản đồ liên kết thực thể đề cập đến tên trong văn bản với các mục duy nhất trong cơ sở kiến thức, chẳng hạn như quyết định xem 'Paris' có nghĩa là thành phố hay con người. Nó quan trọng vì nó biến những từ mơ hồ thành những dữ kiện có thể giải quyết được bằng máy, hỗ trợ cho việc tìm kiếm, trả lời câu hỏi và biểu đồ tri thức.
Liên kết thực thể kết nối đề cập đến văn bản với điều gì?
Liên kết thực thể ánh xạ đề cập đến một mục nhập cơ sở kiến thức cụ thể, duy nhất, chẳng hạn như mã định danh Wikidata hoặc Wikipedia.
Trong cụm từ 'công ty Apple đã phát hành một chiếc điện thoại', nhiệm vụ định hướng là gì?
Ngữ cảnh ('công ty', 'điện thoại') báo hiệu công ty công nghệ hơn là trái cây.
Mục đích của giai đoạn tạo ứng viên là gì?
Việc tạo ứng viên thu hẹp hàng triệu thực thể vào danh sách rút gọn có thể quản lý được để đề cập.
Bộ mã hóa kép đóng vai trò gì trong liên kết thực thể hiện đại?
Bộ mã hóa kép nhúng đề cập và từng thực thể riêng biệt để tìm kiếm lân cận gần nhất có thể nhanh chóng tìm thấy ứng viên.
Lớp NIL thể hiện điều gì trong liên kết thực thể?
Điểm NIL đề cập đến những điểm không tương ứng với bất kỳ mục nào trong cơ sở kiến thức.