接下來簡單介紹一下與實體鏈結相關的工作。學術界在很多年前已經意識到了實體排歧問題，並且提出了很多演算法來解決這個問題。在傳統的實體指代消解問題[17–23]中不存在知識庫，它的任務是將出現在同乙個文件或者不同文件中指代同一實體的實體名字識別出來，並將它們聚在乙個類當中。而近年來出現的大量知識庫以及知識庫擴充套件的需求使得實體鏈結技術受到廣泛的關注。與傳統的實體指代消解問題相比，實體鏈結需要為在文字中發現的實體名字找到其在知識庫中的對應實體，同時知識庫中所擁有的關於實體的相關資訊（如實體描述文字等）在實體鏈結的過程中也起到非常關鍵的作用。
實體鏈結也與單詞詞義消歧任務[24] 比較相似。單詞詞義消歧任務是從字典中為文字中的每個單詞（而不是命名實體）找到其語義。該任務認為單詞字典是完備的，也就是說它認為單詞字典中包含全部單詞的所有語義資訊。而知識庫並不是完備的，例如，許多現實世界中不是很出名的普通實體並不存在於現有知識庫中。另外，實體鏈結任務中的實體名字形式多樣，如縮寫名、別名等。而單詞在文字中的出現除了單詞時態的不同外，一般沒有太多變化。
另乙個相關任務是資料管理領域的記錄連線任務[25-30] ，它也被稱作實體解析、冗餘資料去重。它是指在不同資料庫中找出那些代表真實世界中同一實體的不同記錄的過程，比如，發現兩條不同**記錄指代同一篇**。大多數的記錄連線任務都是假設代表同一實體的不同記錄應該擁有相同或相似的屬性值，該任務主要關注字面層次的異構問題，將不同資料庫中指代同一實體的記錄識別出來。而在實體鏈結任務中同時存在多名問題和重名問題，它需要將非結構化文字中的實體名字鏈結到結構化知識庫中的對應實體。
《中國人工智慧學會通訊》 2 24 結 果
我們將人類 bpl 以及其他模型在 5 個概念學習任務上的結果並列進行對比，檢驗僅從乙個或一些樣例得到的不同形式的泛化 見圖 5 的樣例任務 所有的行為實驗都是通過亞馬遜土耳其機械人 mechanical turk 進行的，實驗的詳細流程請參考 s5 章節。主要實驗結果總結在圖 6 中，額外的殘缺分...
《中國人工智慧學會通訊》 3 28 討 論
近年來，各種型別的 機械人層出不窮，人機互動控制策略對於 機械人實現臨床應用意義重大。通過上文的回顧分析，可以看出，現有人機互動控制依然存在如下問題。目前還不存在一種通用的人機互動控制策略。針對患者損傷部位及損傷程度採用合適的控制策略是常規的方案，但正如前文所述，現有 機械人系統的互動控制系統通常缺...
《中國人工智慧學會通訊》 11 42 相關應用
正如前面所介紹的，實體鏈結任務是很多應用領域的重要基礎工作，例如知識庫擴充套件和問答系統。接下來將介紹實體鏈結的其他重要應用領域。資訊抽取 通過資訊抽取技術發現的命名實體和實體關係通常都是有歧義的，將它們鏈結到知識庫是對它們消歧和進一步利用的重要步驟。lin et al 31 提出一種有效的實體鏈結...