一、简单方法
1、提前构建好实体库(描述库)
2、将文本转为向量
将含有待消歧实体的文本句子 A A A (实体前后各取10~20个单词),实体库中该实体的各种描述的句子( A 1 , A 2 , . . . A_1,A_2,... A1,A2,...)都转为向量,然后通过余弦相似度计算 c o s ( A , A 1 ) , c o s ( A , A 2 ) , . . . cos(A,A_1),cos(A,A_2),... cos(A,A1),cos(A,A2),...,最后选择相似度最大的实体解释。
二、基于文本上下文的word2vec方法
利用Bert预训练模型,直接将实体转为词向量,水果类的苹果与手机类的苹果通过Bert转为词向量后是不一样的。