Skip to content

實體連結

如何標註實體連結，把文本中的提及連線到 Wikidata 等知識庫中的條目，並在 Potato 中搭建連結任務。

實體連結把文本中的一個提及連線到知識庫中的某個具體條目，例如把"Paris"判定為法國的城市，而不是那個人名，也不是德州的城市。 命名實體識別負責找出某段文字是一個實體，而實體連結則要判斷它究竟是哪一個現實世界中的實體。

背景知識可參見實體連結，以及常見的連結目標 Wikidata 和 Wikipedia。它與詞義消歧密切相關。

標註者要做什麼

  1. 先確定一個提及跨度（通常由 NER 流程預先標出）。
  2. 標註者在知識庫中檢索，並選出匹配的條目。
  3. 若沒有合適的條目，則標記為 NIL（不在知識庫中）。

NIL 這個選項不能少，缺了它，標註者就會把提及硬塞給錯誤的條目，從而汙染資料。

在 Potato 中搭建

Potato 支援實體連結，可針對知識庫（Wikidata、UMLS 或自定義列表）做隨鍵檢索（typeahead），讓標註者從真實候選項中挑選，而不必手敲 ID。實體連結展示案例就是一個可執行的示例。

yaml
annotation_schemes:
  - annotation_type: span
    name: mentions
    description: "Mark the mention to link."
    labels: [Entity]
  - annotation_type: text
    name: kb_id
    description: "Search the knowledge base and enter the matching ID, or write NIL if none fits."

品質考量

  • 候選項品質。 一個帶描述的好用隨鍵檢索，比再長的標註指南更能減少錯選。
  • 歧義時的預設處理。 當兩個條目看起來同樣合理時，要告訴標註者該怎麼辦。
  • 粒度。 連結到公司還是子公司？電影還是整個系列？這一點要一次性定好。

延伸閱讀