研究成果 / 实体链接与消歧
Multi-Agent Collaborative Entity Linking for Historical Characters in Ancient Chinese Texts
实体链接 实体消歧 史籍人物 多智能体协同 大语言模型
| 作者 | 杨帆、何嘉诚、刘畅、张琪、刘浏 |
|---|---|
| 机构 | 南京农业大学信息管理学院；山西大学经济与管理学院 |
| 期刊 | 情报学报 |
史籍人物实体链接面临通用方法难以应对的四重困难：同一人物以姓名、字号、谥号、官职等多种形式出现； 古籍文本缺乏现代标点，句式与现代汉语差异显著；历史人物知识库建设相对滞后， 实体覆盖度与属性完整性不足；同名同姓现象普遍，仅凭姓名难以区分不同时期的同名人物。
基于 LangGraph 多智能体协作框架，把实体链接过程拆为 实体识别 → 候选实体集构建 → 候选实体重排序 三个阶段， 各由一个专门化智能体承担，并通过智能体间的信息互通与反馈机制校验流程状态， 防止出现识别错误、最终实体不属于候选集等异常结果。
智能体一
以"二十四史"实体识别语料微调后的大模型为核心， 按零样本或少样本提示策略从原文中提取人物指称，并保留上下文语境。
智能体二
用 BM25、Jaccard 等文本相似度算法与知识库匹配，按阈值筛选； 若全部得分低于阈值判为链接失败（NIL），否则取相似度前 K 个构成候选集。
智能体三
将候选实体及其背景知识与原文语境一并输入语义评分模型逐个打分， 与文本相似度评分融合成综合评分，取 Top-1 作为最终链接结果。
采用加分制，每维最高 0.2 分，满分 1 分。
| 维度 | 分值 | 评估内容 |
|---|---|---|
| 姓名匹配度 | 0.2 | 完全一致 / 部分匹配 / 别名字号对应 |
| 历史时代吻合 | 0.2 | 生卒与活动年代是否匹配 |
| 职业身份匹配 | 0.2 | 官职、身份是否一致 |
| 历史事件关联 | 0.2 | 所涉历史事件的相关程度 |
| 地理区域吻合 | 0.2 | 籍贯与活动地域是否一致 |
以哈佛大学等机构开发的 CBDB 中国历代人物传记资料库为基础数据源， 抽取人物姓名、别名、性别、时期等关键信息，再用课题组前期制作的《史记》人物关系语料补充背景知识， 由两名数字人文方向研究生按姓名一致性、历史时期准确性、关系类型规范性标准人工校验， 最终形成 2494 条人物记录。姓名与别名用于文本相似度匹配， 性别、时期与补充知识用于重排序阶段的语义评分。
实体识别模型选用 QwQ-32B、Qwen3-32B、DeepSeek-R1-Distill-Qwen-32B， 经"二十四史"语料指令微调；语义评分模型先用 DeepSeek-R1 API 生成 50 条评分数据集， 再据此微调得到；BERT 作为基线模型。
Recall@5 = 0.908，Accuracy = 0.947，相较 BERT 基线分别提升 9.0% 与 17.7%。
消融实验显示各模块均有正向贡献，其中重排序 > 候选集构建 > 分词模块， 证实注入人物背景知识后大模型语义评分的有效性。
文本相似度负责快速召回、语义评分负责精准消歧， 从表层文本匹配到深层语义理解逐步精化。
实体链接是典型的多阶段线性任务，与多智能体的流程化、协同化特征高度匹配， 分工设计带来了可解释性与鲁棒性的同步提升。
整体性能用 Accuracy（正确链接的指称数 / 全部指称数）；候选生成模块用 Recall@K； 稳定性用链接失败率；实体识别子任务用 Precision / Recall / F1。