基础认知：知识图谱与实体识别，通常用在哪儿
实体识别，本质就是从杂乱的文本信息里，把有明确含义的独立单元找出来。比如人名、地名、品牌名、病症名，都属于实体范畴。
知识图谱，则是把识别出来的所有实体，按照它们之间的实际关系连接成网，方便快速检索关联信息。
举个生活化的例子，你在外卖APP搜“上海张江 日式拉面”，系统先通过实体识别拆分出“上海张江”（地点实体）、“日式拉面”（品类实体），再从知识图谱里调出所有开在张江的日式拉面店信息，排序后推给你。
再比如企业做客户咨询问答机器人，实体识别能快速揪出用户问的“订单号”“商品型号”，再通过知识图谱调出对应售后政策，不用人工翻找。
实操注意：几个容易踩的常见误区
说实话，很多刚接触的人都会踩坑。第一个坑就是，默认通用模型的实体识别结果可以直接用。
据一些用户反馈，通用预训练模型对领域专有词汇的识别准确率，通常比微调过的领域模型低10到15个百分点。比如做金融合同识别，“保理”“承兑”这类专业词汇，通用模型很可能识别错误。
第二个坑，实体识别完成后不做校验，直接搭建知识图谱。带错误的实体进了图谱，后续关联关系全都会错，后期整改的成本比前期校验高很多。
需要留意的是，不是实体越多知识图谱越好用，冗余的无关实体会拖慢检索速度，还会干扰关联结果的准确性，按需筛选就好。
延伸视角：和普通关键词搜索有什么区别
有意思的是，很多人会把这一套逻辑和普通关键词搜索混为一谈。
普通搜索是匹配文本里的关键词，只要内容里出现你搜的词就会被展示。而知识图谱加实体识别，是理解你要找的实体本身以及实体间的关系。比如你搜“马云 阿里巴巴”，普通搜索会出来所有带这两个词的内容，而知识图谱会直接告诉你马云是阿里巴巴的主要创始人，关联展示相关的企业信息，逻辑完全不同。
从实操角度看，现在中小团队搭建轻量化知识图谱，已经不需要从零训练实体识别模型，基于开源预训练模型微调自家领域数据就可以满足需求，整体成本已经低了很多。
您在实际搭建或使用知识图谱的过程中，还遇到过哪些实体识别的问题？欢迎结合具体场景继续探讨。
