你跟AI提”苹果发布了新设备”，它要是把内容连到红富士苹果的种植产业上，那问题就出在实体链接与消歧的环节没做对。
先搞懂：它不是什么高深的学术概念
说白了，就是把文本里提到的具体事物，对应到知识库里面准确的那个条目上，别搞混。
比如你在文档里写”我昨天去乔布斯故居附近买了个苹果”，这里两个”苹果”，对应的实体完全不一样——前者是科技公司的品牌，后者是生鲜水果。要是没做消歧，AI整理这段内容的时候，说不定会给你推荐最新款的iPhone购买链接，那可就闹笑话了。
别笑。这种事真的天天在发生。
从实操角度看，现在大部分做内容知识库的团队，都会把这个环节放在文本入库的靠前位置。要是这步错了，后面不管是做语义检索、智能问答还是内容推荐，全都是歪的。比如你搜”北京适合看银杏的地方”，要是系统把你说的”北京”对应到美国加州的北京镇，那返回的结果根本没法用。
实操里容易踩的几个坑
很多团队一开始做的时候，会默认把所有出现的同名实体都硬套到热度相对较高的那个条目上。比如提到”乔丹”，不管上下文是啥，都直接对应篮球运动员，完全不管用户说的是国产运动品牌，还是那个写《红楼梦》评论的文学研究者。
还有个容易忽略的点，就是专有名词的动态更新。比如新成立的公司、刚更名的城市，要是知识库的条目没同步，消歧的结果自然会错。据一些用户反馈，他们之前做本地生活知识库的时候，就因为没把刚改名的商圈条目同步进去，把用户提到的新商圈地址，错连到了已经拆迁的旧商圈上，被用户吐槽了好多次。
和普通关键词匹配的区别在哪
很多人会把它和普通的关键词匹配搞混。其实差别很简单——关键词匹配只看你输入的字面对不对，不管上下文说的是啥。但实体链接与消歧是会结合上下文的语境，判断你真正指向的那个实体。举个例子，你搜”小米”，后面跟着”煮粥好喝”，系统就知道你找的是粮食作物；后面跟着”SU7″，就知道你找的是那家做智能硬件的车企。
你在实际使用智能检索或者内部知识库的时候，还遇到过哪些因为实体识别不准闹出来的乌龙？欢迎结合具体场景继续探讨。
