跨文档同名实体消歧：替换原文之前先保护字符偏移-北京尧图网络

同一份长文档里出现两个“张伟”可能是同一个人的不同描述也可能是两家公司的人。给它们加命名空间有助于检索但在讨论聚类模型之前有一个更朴素的错误值得先排除替换后的字符串还能不能对上原始位置假设第一处姓名被扩展成“张伟【甲公司】”后面的字符位置都会移动。只在每个实体簇里倒序替换还不够不同簇之间也共享同一条字符串必须把全部编辑按原始位置统一处理。编辑计划先于字符串修改把消歧器的输出表示为起点、终点、替代文本、实体ID先检查范围和重叠再从右向左应用。原文保持不变修改后的文本另行保存。这样语义模型即使产生坏位置执行层也能拒绝而不是悄悄污染其他实体。from dataclasses import dataclass dataclass(frozenTrue) class Edit: start: int end: int replacement: str def apply_edits(text, edits): ordered sorted(edits, keylambda e: (e.start, e.end)) previous_end 0 for e in ordered: if not (0 e.start e.end len(text)): raise ValueError(invalid span) if e.start previous_end: raise ValueError(overlapping edits) previous_end e.end result text for e in reversed(ordered): result result[:e.start] e.replacement result[e.end:] return result original 张伟审阅李明复核张伟签字。 edits [Edit(0, 2, 张伟【甲】), Edit(11, 13, 张伟【乙】)] # Obtain the second span from the untouched original, never from edited text. pos original.rindex(张伟) edits[1] Edit(pos, pos 2, 张伟【乙】) result apply_edits(original, edits) assert result 张伟【甲】审阅李明复核张伟【乙】签字。 assert original 张伟审阅李明复核张伟签字。 try: apply_edits(original, [Edit(0, 3, x), Edit(2, 4, y)]) except ValueError: pass else: raise AssertionError(overlap was accepted) print(global reverse edits, unchanged source, overlap rejection: PASS)别让命名空间制造新的事实图里的ID只表示区分不证明两次出现一定属于不同的人。真正的消歧还需要文档身份、段落、所属组织和时间。相似度阈值只能生成候选证据不足时保留“尚未确认是否同人”比强行拆成两个实体可靠。10 月21日的Kimi Code更新把插件Skill调用改成限定名避免同名技能互相遮蔽。这是另一个层面的命名空间问题不能当作文本消歧算法但它说明名字相同不意味着身份相同。官方更新这个例子已在本地验证跨位置扩长、原文不变和重叠拒绝。它没有运行NER、嵌入聚类或共指模型也没有得出消歧准确率。若要测效果应该分别标注“同名不同人”和“异名同一人”并检查重写是否引入错误归属。只统计字符串替换成功不等于语义消歧成功。

跨文档同名实体消歧：替换原文之前先保护字符偏移

相关推荐

Flask数据可视化大屏源码实战：多页面轮播与实时数据渲染

C# Winform开发OA系统：C-S架构实战与三层架构解析

Transformer架构优势解析：为何超越CNN与RNN

更多资讯

STGCN交通流预测模型实战：从复现到业务落地

Keras LSTM污染浓度预测实战：数据预处理到模型部署全流程

让设计 Agent 先给差异再改页面：确认面板的四个状态

不卷Demo，AI音乐稳扎SOTA的实战方法论

SparkSQL高效随机抽样方案与性能优化实践

WorkBuddy企业版套件化：一个Agent底座统管五个产品的架构设计与实践

今日更新

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？