本文共 974 字，大约阅读时间需要 3 分钟。

实体消歧问题是当下比较热点的研究问题，国内外的大多熟研究从两个角度解决实体歧义造成的影响，分别是通过寻求更高质量的特征和引入外部资源辅助消解。

在特征选取方面，何正焱[2]利用DNN（深度神经网络）方法，提出了一种文档和实体的相似度为框架的消歧模型；姜丽丽[3]提出了一种基于带权图结构的框架来实现人物实体的消歧工作，并使用实体标签对每个人物实体进行标注；Bagga和Baldwin[4]将不同文档间上下文的相似度作为特征实现实体消歧的；R.Bekkerman和A.McCallum[5]则结合了社交网络的链接信息和聚类两种非监督的框架对社交网络中的人物实体进行消歧。

给定的文档集中所包含的被査询人的信息往往是非常有限的，因此网络公共资源经常被用来挖掘更多的信息以提高同名消歧质量。其中，中科院的韩先培[6]使用了在线知识库信息来辅助解决实体歧义的，D.Bollegara[7]通过来对Web搜索引擎中的同名人物实体进行消歧；R.Bunescu[8]尝试使用在线百科全书（Wikipedia）的部分锚文本信息来扩充文档集，从而完成信息检测和同名消歧的任务。这些方法能够非常出色的完成实体消歧的任务，但是由于其需要花费大量的时间进行在线信息采集，因此更适合于服务器端的应用。

现在阶段的实体消歧研究集中在通用文本上，而专利文本上的实体，又与通用文本中的实体有本质的区别。因此，本文需要充分利用专利文本及专利实体的特点，并在通用的实体消歧方法的基础上进行优化。

https://wenku.baidu.com/view/299fbb117e21af45b207a857.html

一种用于专利实体的实体消歧方法

http://blog.csdn.net/caiyuanyuan_bjtu/article/details/40710311

ACL主席Gertjan van Noord等欧洲NLP科学家近日编撰了一篇非常棒的报告，汇总了大量的实体识别与消歧，词义消歧数据集，工具集

https://wenku.baidu.com/view/71afa8aecaaedd3383c4d3f3.html

浅析电子商务商品归一化方法

https://my.oschina.net/u/856502/blog/534670

知识图谱——数据实体化的手段 刘知远