Skip to content

實體連結

將片段標註連結到外部知識庫，如Wikidata、UMLS或自定義API。

實體連結使標註者能夠將片段標註連線到外部知識庫（KB），如 Wikidata 或 UMLS。這在文本提及和規範實體之間建立語義連結，對命名實體識別、概念規範化和知識圖譜構建非常有價值。

工作原理

當為片段標註方案啟用實體連結時：

  1. 標註者高亮文本並分配標籤（例如 "PERSON"、"ORGANIZATION"）
  2. 片段控制欄上出現連結圖示
  3. 點選圖示開啟搜尋模態框以查詢匹配的知識庫實體
  4. 所選實體 ID 與片段標註一起儲存
  5. 已連結的片段顯示填充圖示，並在懸停時顯示實體詳情

快速入門

通過向片段方案新增 entity_linking 配置來啟用實體連結：

yaml
annotation_schemes:
  - annotation_type: span
    name: ner
    description: Named Entity Recognition with KB linking
    labels:
      - name: PERSON
        tooltip: "People's names"
      - name: ORGANIZATION
        tooltip: "Companies, agencies, institutions"
      - name: LOCATION
        tooltip: "Places, cities, countries"
    entity_linking:
      enabled: true
      knowledge_bases:
        - name: wikidata
          type: wikidata
          language: en

配置選項

選項類型預設值描述
enabledbooleanfalse為此方案啟用實體連結
knowledge_baseslist[]知識庫配置列表
auto_searchbooleantrue開啟模態框時自動搜尋
requiredbooleanfalse儲存片段前要求實體連結
multi_selectbooleanfalse允許連結到多個實體

知識庫配置

選項類型預設值描述
namestring必填此知識庫的唯一識別符號
typestring必填知識庫類型：wikidata、umls 或 rest
api_keystringnull需要認證的服務的 API 金鑰
base_urlstringnullREST API 的基礎 URL
languagestring"en"搜尋結果的語言程式碼
timeoutinteger10請求超時時間（秒）

支援的知識庫

Wikidata

免費、開放的知識庫，擁有超過 1 億個實體。無需 API 金鑰。

yaml
entity_linking:
  enabled: true
  knowledge_bases:
    - name: wikidata
      type: wikidata
      language: en

支援多語言標籤、實體別名（例如 "NYC" 可找到 "New York City"）以及 Wikipedia 文章連結。

UMLS

全面的醫學和生物醫學術語庫。需要從 UTS 獲取免費的 API 金鑰。

yaml
entity_linking:
  enabled: true
  knowledge_bases:
    - name: umls
      type: umls
      api_key: ${UMLS_API_KEY}

包含醫學概念、藥物、疾病、手術，以及對 200 多個源詞彙表（SNOMED CT、ICD-10、MeSH、RxNorm）的交叉引用。

自定義 REST API

連線到任何具有 REST API 的知識庫：

yaml
entity_linking:
  enabled: true
  knowledge_bases:
    - name: internal_kb
      type: rest
      base_url: https://api.example.com
      api_key: optional_api_key
      extra_params:
        search_endpoint: /search
        entity_endpoint: /entity/{entity_id}
        search_query_param: q
        results_path: data.results
        entity_id_field: id
        label_field: name
        description_field: description

多知識庫

配置多個知識庫，讓標註者選擇最合適的來源：

yaml
entity_linking:
  enabled: true
  knowledge_bases:
    - name: wikidata
      type: wikidata
      language: en
    - name: umls
      type: umls
      api_key: ${UMLS_API_KEY}
    - name: company_entities
      type: rest
      base_url: https://internal.company.com/api/entities

搜尋模態框中的下拉選單允許標註者在配置的知識庫之間切換。

多選模式

啟用多選以允許將片段連結到多個實體，對歧義提及很有用：

yaml
entity_linking:
  enabled: true
  multi_select: true
  knowledge_bases:
    - name: wikidata
      type: wikidata
      language: en

資料格式

實體連結的片段在輸出中包含額外欄位：

json
{
  "id": "instance_001",
  "text": "Albert Einstein was born in Ulm, Germany in 1879.",
  "annotations": {
    "ner": {
      "spans": [
        {
          "text": "Albert Einstein",
          "start": 0,
          "end": 15,
          "label": "PERSON",
          "kb_id": "Q937",
          "kb_source": "wikidata",
          "kb_label": "Albert Einstein"
        },
        {
          "text": "Ulm",
          "start": 28,
          "end": 31,
          "label": "LOCATION",
          "kb_id": "Q3012",
          "kb_source": "wikidata",
          "kb_label": "Ulm"
        }
      ]
    }
  }
}

最佳實踐

  1. 啟用自動搜尋以提高效率 - 用片段文本預填充搜尋
  2. 除非必要，不要求求連結 - 找不到實體時不要阻止標註
  3. 為慢速網路設定適當的超時時間
  4. 將知識庫與實體類型匹配 - 通用實體使用 Wikidata，生物醫學術語使用 UMLS，領域特定實體使用自定義 API
  5. 為歧義提及使用多選 - 縮寫、常見名稱、多義詞

延伸閱讀

有關實現細節，請參閱源文件。