LELA：基于零-shot 域适应的端到端 LLM 实体链接框架
人工智能
2026-05-27 v1 计算与语言
摘要
实体链接是许多下游 NLP 系统的关键组件，但现有方法常与特定目标知识库和域绑定，限制了其实际应用。本文将 LELA—a 模块化且域中立的 LLM-based 实体消歧方法—扩展为实用的 Python 库，集成零-shot 命名实体识别 (NER)，从而为实体链接的实际用途提供完整的端到端管道。我们提供实验结果，验证 LELA 在多样化实体链接场景中的性能和鲁棒性。在我们的演示中，用户可在自输入文本上体验该系统。
引用
@article{arxiv.2605.26956,
title = {LELA: An End-to-end LLM-based Entity Linking Framework with Zero-shot Domain Adaptation},
author = {Samy Haffoudhi and Nikola Dobričić and Fabian Suchanek and Nils Holzenberger},
journal= {arXiv preprint arXiv:2605.26956},
year = {2026}
}