知识图谱与实体识别,说白了就是让机器在一堆乱糟糟的文字里,先认出“张三”“北京”“某款手机”这些具体东西,再把它们之间的关系串起来。比如你搜“这款手机续航差”,系统得知道说的不是充电宝,也不是电池品牌,而是那台手机。对吧?这种活干起来琐碎,却撑着搜索、推荐、风控的底子。

实体识别不是给词画圈,它更像在人群里点名
实体识别,常被叫作NER。传统做法有规则、词典、CRF,后来是BiLSTM-CRF、BERT这类模型。规则快,但脆。模型泛化好,可标注贵。举个例子:客服工单里写“我上周买的扫地机器人,轮子卡住了,想退货”。要抽的实体至少有时间“上周”,产品“扫地机器人”,故障“轮子卡住”,意图“退货”。
难点在哪?歧义、嵌套、简称、新词。比如“苹果”可能是水果,也可能是公司;“小米”可能是粮食,也可能是品牌。上下文一换,答案就翻。据一些用户反馈,纯词典匹配在垂直领域早期能顶一阵,但遇到新品牌、错别字就抓瞎。从实操角度看,标注规范比模型选型更磨人。标注指南里要写清楚:书名号里的算不算?产品型号带不带颜色?这些细节不统一,后面关系抽取全歪。

知识图谱把“点”连成“网”,但别急着铺大摊子

实体是点,关系是边。比如“张三—任职于—某公司”“某公司—位于—北京”。图谱常见存储有两类:RDF三元组,属性图,像Neo4j这类。查询语言对应SPARQL、Cypher。这里有个坑:实体对齐和消歧。同一个“张伟”在不同来源可能指不同人。得靠稳定ID、手机号后四位、邮箱、组织代码这些线索去合并。合并错了,图谱就成浆糊。
常见误区:一上来就想覆盖全行业,实体类型几百个,关系几千种,标注团队先崩。更稳的做法是选一个窄场景,比如“手机售后故障”,先把产品、故障现象、部件、解决动作这几类实体和关系做扎实。维护周期?看业务变化。新机型发布、新故障词冒出来,就得补词典和标注。通常每季度过一遍高频badcase比较现实。
还有个小提醒:知识图谱的价值不在多大,而在关键关系能不能被信任。边错了,推理越深,错得越远。
大模型来了,实体识别和知识图谱会消失吗
短期不会。大模型擅长泛化,但容易编。知识图谱提供可查、可追溯的结构化事实。两者配合更顺手:大模型做抽取候选,图谱做校验和补全。比如从合同里抽“甲方—乙方—金额—日期”,再用图谱规则检查金额是否和订单一致。有意思的是,不少团队用大模型做冷启动标注,确实省人力,但后续还得人工抽检。比例看场景,金融、医疗更谨慎。
常见疑问也顺手列几个:
- 要不要先建本体?小场景可以先轻本体,边做边改。
- 实体识别准确率多少算够?看下游容错。搜索建议场景,八十多分可能能忍;医疗场景,要求通常更高。
- 知识图谱必须用图数据库吗?不一定。小规模用关系表也能跑,图数据库在多层关系查询时更顺手。
另外,实体识别和知识图谱不是一次性项目,更像持续维护的菜园子。今天拔草,明天补苗,后天还得防虫。想省事,就从窄场景、小本体、清晰标注规范开始。
您在实际使用中还遇到过哪些情况?欢迎结合具体场景继续探讨。