1.前言
2.实体消歧的本质
如小米，它是一个实体，在有些句子中表示“小米公司”，但在某些语句下它表示一种谷物
又比如：
怎么解决实体消歧呢？？
首先：我们有实体（实体描述库）
3.实体消歧方法
我们只需要计算“苹果” 和 两个不同“苹果”实体之间的相似度
1） 我们先要提取给定“苹果”的上下文（如苹果左右两边提取20个单词），并把它转化为向量的相似
（…今天苹果发布了新手机…） --> 向量 （可以用tf-idf）
2） 把苹果的描述也转化为向量（如果描述太多，那我们就提取重要的一段）
（水果中的一种，味道甘甜）-> 向量 （可以用tf-idf）①
（美国科技公式）-> 向量 （可以用tf-idf）②
3）计算 苹果与① 和苹果与②的余弦相似度
4.实体统一
什么是实体统一呢？？看下面这张图
在真实世界中我们只存在两种脸，一种有头发，一种没头发。而在数字世界却有 7 张脸，实体统一就是把这 7 长脸 统一成两种脸：有头发的是一种（有图3个脸有头发），剩余4个圆脸是一种。
再比如：张三有3部手机，李四也有3部手机，他俩用这些手机登录同一个网页，那么算法要做的事是：判断哪些手机来自张三（这些手机是同一个实体），哪些手机来自李四。
5. 实体统一算法
实体统一官方定义：
很显然这是一个 0/1 二分类问题
具体的：
给定两个实体，这两个实体在文档中是用字符串表示的，即str1, str2，要判断 str1和 str2 是否是统一实体
- 最简单方法：计算两个字符串实体的相似度，这个相似度可以用编辑距离来度量，再设置一个阈值就行了。
- 基于规则的方法
例如：百度公司，百度广州 科技公式，百度科技股份有限公司，都是指百度这个公司，是同一个实体。
首先，我们要维护两个词典[公司，有限公司， 无限公司，科技股份有限公司， 科技公司], 和 [美国，广州，北京]
再把 百度公司，百度广州科技公司，百度科技股份有限公司，去词干化，我们删除词典中出现过的词语，只保留 百度，这个最终的实体。
6.指代消解
什么是指代消解呢？？
看下面这张图，A,B这两个他，到底指张三还是李四，这是指代消解要做的事。
像英语中的 it 也容易出现指代消解
- 最简单的方法：就是找离他最近的实体，很显然 A他，最近的实体是李四，B他最近的实体也是李四。但正确率不高，这句话中两个他都是指向张三
- 有监督方法（本质是二分类）
- 收集数据，如
( 张三, A) -->1
(张三, B) --> 1
(李四, A) --> 0
(李四, A) --> 0 - 特征工程，如：
对于（张三，A）我们提取（张三前4个单词，张三和A中间的所有单词，A后面4个单词），然后用 tf-idf 表示成向量形式
（）[张三] (没有去上班，因为生病了，昨天，李四陪 ) [他] (去了医院） - 建模，可以用逻辑回归