一、实体链接概述
1.1 什么是实体链接
实体链接，说白了就是给文本里的实体「对上号」。
举个例子。你看到一句话：「苹果发布了新款iPhone」。这里的「苹果」指的是什么？是水果，还是那家科技公司？
实体链接要做的，就是把「苹果」这个歧义词，映射到知识库中唯一的实体ID上——比如维基百科里的「Apple Inc.」。这个过程，我们叫它实体消歧。
我个人习惯把实体链接拆成两步：
- 候选生成：先找出所有可能的实体候选
- 候选排序：再从中选出最匹配的那个
嗯，这里要注意。实体链接不是简单的字符串匹配。你想想看，「阿里巴巴」可能指公司，也可能指神话人物。光靠字面意思，根本搞不定。
核心定义：实体链接是将文本中的实体提及（Mention）映射到知识库中对应实体（Entity）的过程，同时消除歧义。
1.2 实体链接在金融领域的应用价值
我在金融科技项目里摸爬滚打了好几年。说实话，实体链接在金融场景的价值，比很多技术都大。
为什么？因为金融文本里全是「坑」。
举个例子。一份财报里写着：「公司投资了阿里巴巴」。这里的「阿里巴巴」是哪个？是BABA股票？还是阿里巴巴集团本身？还是某个叫阿里巴巴的基金？
你想想看，如果系统搞错了，后果是什么？
- 风险控制：把「恒大地产」和「恒大健康」搞混，风控模型直接崩
- 舆情监控：把「特斯拉」汽车和「特斯拉」公司混为一谈，舆情分析全错
- 知识图谱：实体链接是构建金融知识图谱的基础，链接错了，图谱就是废的
- 智能问答：用户问「茅台今年分红多少」，系统得知道「茅台」指的是贵州茅台这家公司
避坑指南：我曾经在做一个债券违约预警系统时，发现「华晨集团」和「华晨宝马」被系统当成同一个实体。结果预警信号全乱了。后来我加了一层公司全称和简称的映射表，才把这个问题解决。
说白了，金融领域对实体链接的要求，比通用领域高得多。一个实体链接错了，可能意味着几千万的损失。
1.3 实体链接与命名实体识别的区别
很多新手会把这两个概念搞混。我刚开始做NLP时也犯过这个错。
命名实体识别（NER），做的是「找出来」。
比如从「阿里巴巴在杭州成立了达摩院」这句话里，NER能找出：
- 「阿里巴巴」→ 组织机构
- 「杭州」→ 地点
- 「达摩院」→ 组织机构
它只管「是什么类型」，不管「具体是哪个实体」。
实体链接（EL），做的是「对上号」。
同样是「阿里巴巴」，实体链接要判断：
- 是阿里巴巴集团（NYSE: BABA）？
- 还是阿里巴巴（神话人物）？
- 还是某个叫阿里巴巴的餐厅？
我建议你记住这个对比：
| 维度 | 命名实体识别（NER） | 实体链接（EL） |
|---|---|---|
| 任务目标 | 识别实体边界和类型 | 映射到知识库唯一ID |
| 输出 | 实体类型标签 | 知识库实体ID |
| 依赖资源 | 标注数据、词表 | 知识库、上下文信息 |
| 典型错误 | 漏识别、边界错误 | 消歧错误、候选缺失 |
| 金融场景 | 识别「公司名」「人名」 | 区分「腾讯控股」和「腾讯音乐」 |
嗯，这里有个关键点。NER是实体链接的前置步骤。没有NER，你连实体都找不到，更别提链接了。但反过来，NER做得好，不代表实体链接就能做好。
注意：我曾经在一个项目里，NER的F1值做到了95%以上，但实体链接的准确率只有70%。为什么？因为「中国银行」这个实体，在NER里被正确识别为组织机构，但在实体链接时，它可能指「中国银行股份有限公司」，也可能指「中国银行（香港）」。光靠NER，根本解决不了这个问题。
所以，我个人的经验是：NER是基础，实体链接才是真正的硬骨头。
你想想看，金融文本里到处都是简称、别名、缩写。比如「工行」「ICBC」「中国工商银行」，这三个指的都是同一个实体。但NER只能识别出它们是组织机构，实体链接才能把它们归到同一个ID下。
说白了，实体链接解决的是「一词多义」和「多词一义」的问题。这在金融领域尤其突出。
知识体系总览
下面这张图，是我自己总结的实体链接知识体系。你可以把它当成整个章节的地图。
这张图展示了实体链接的核心流程。从候选生成到候选排序，再到无链接处理，最后落到金融应用场景。每个环节都有对应的技术方案。
我个人建议你先把这张图记在脑子里。后面每个章节，都会围绕这张图展开。
学习建议：如果你刚开始接触实体链接，可以先从候选生成和候选排序这两个核心模块入手。无链接处理相对进阶，可以等基础打牢了再研究。