Entity Linking
Entity Linking ist der Prozess, Texterwähnungen von Entitäten mit eindeutigen Einträgen in einer Wissensbasis (z. B. Wikidata) zu verknüpfen.
Entity Linking verknüpft Texterwähnungen mit eindeutigen Einträgen in Wissensdatenbanken – löst Mehrdeutigkeiten und verbindet NLP mit Knowledge Graphs.
Erklärung
Entity Linking löst Mehrdeutigkeiten: "Apple" kann das Unternehmen, die Frucht oder ein Musiklabel sein. Der Algorithmus nutzt Kontext, um die richtige Entität in der KB zu finden.
Relevanz für Marketing
Entity Linking verbessert SEO durch semantische Annotation, ermöglicht präzisere Content-Empfehlungen und ist die Brücke zwischen NLP und Knowledge Graphs.
Beispiel
Ein News-Aggregator nutzt Entity Linking, um Artikel automatisch mit Wikipedia-Entitäten zu verknüpfen und thematisch zu clustern.
Häufige Fallstricke
Fehlende Entitäten in der KB (NIL-Problem), fehlerhafte Disambiguierung bei seltenen Entitäten, Sprach-/Domänen-Bias der Trainingsdaten.
Entstehung & Geschichte
Entity Linking entwickelte sich aus Named Entity Recognition (MUC-6, 1995). Der TAC-KBP Wettbewerb (2009) etablierte standardisierte Evaluierung. Moderne Systeme wie BLINK (Facebook, 2019) nutzen Dense Retrieval für Echtzeit-Linking.
Abgrenzung & Vergleiche
Entity Linking vs. Named Entity Recognition (NER)
NER identifiziert und klassifiziert Entitäten im Text (Person, Ort, Org); Entity Linking verknüpft sie zusätzlich mit einer Wissensbasis.
Entity Linking vs. Coreference Resolution
Coreference Resolution verbindet verschiedene Texterwähnungen derselben Entität ("er", "der CEO"); Entity Linking verknüpft mit einer externen KB.