68、实体解析：原理、方法与应用

实体解析：原理、方法与应用

1. 实体解析的定义与重要性

实体解析的目标是发现潜在的唯一实体集合，并将每个引用映射到其对应的实体。解决实体歧义对于消除数据冗余和进行准确的实体级分析是必要的。这是一个在许多不同应用中都会出现的常见问题，在计算机科学的不同分支中都有研究。

实体解析的同义词包括：共指解析、去重、重复检测、身份不确定性、合并清理、对象合并、记录链接、引用调和。

实体解析涉及两个子问题：
- 识别具有不同属性但指向同一实体的引用。
- 通过将具有相同属性的引用分配给不同实体来消除歧义。

2. 动机与背景

实体解析在许多计算机科学领域以不同的形式出现，例如：
- 计算机视觉 ：需要确定两个不同图像中的区域是否指的是同一个底层对象（对应问题）。
- 自然语言处理 ：确定哪些名词短语指的是同一个底层实体（共指解析）。
- 数据库 ：在合并两个数据库或清理数据库时，确定两个元组记录是否指的是同一个现实世界对象（去重和数据集成）。

实体引用出现歧义的原因有很多，常见的包括：
- 数据录入错误 ：如排版错误。
- 多种表示方式 ：如缩写。
- 不同数据库的不同键 ：例如一个人员数据库可能使用社会安全号码，而另一个使用姓名和地址。

传统的实体解析方法侧重于匹配不同引用的属性来解决实体问题，但许多数据源