命名实体消歧（NamedEntityDisambiguation，NED）是自然语言处理（NLP）中的一个重要任务，其目标是识别文本中的命名实体，并确定它们在现实世界中的唯一对应实体。命名实体包括人名、地名、组织名、日期、时间、货币等。NED模型是用于解决NED问题的算法或系统。这些模型通常利用深度学习技术

本实验以句子为单位进行语义消歧，即输入一句话，识别该句子中某个歧义词的含义。本次实验使用的算法比较简单，是以TF_IDF为权重的频数判别代码如下：importosimportjiebafrommathimportlog2#读取每个义项的语料defread_file(path):withopen(path,'r',encoding='u

~20111.Cross-LanguageEntityLinking文章核心观点：本文介绍了一种新的跨语言实体链接任务，旨在将不同语言的文档中的命名实体与英文知识库中的实体描述进行匹配。作者提出了一种利用统计音译和跨语言信息检索的方法来解决这一任务，并在21种语言上进行了实验验证。实验结果显示，