LELA: 一种基于LLM的端到端实体链接框架，支持零样本领域自适应

arXiv cs.AI 论文
entity-linking llm-based zero-shot domain-adaptation named-entity-recognition python-library end-to-end

摘要

LELA是一个基于LLM的实体链接框架，将零样本命名实体识别和实体消解整合为端到端的Python库，并在多种场景下验证了其有效性。

arXiv:2605.26956v1 公告类型：新 摘要：实体链接是许多下游NLP系统的关键组件，但现有方法通常依赖于特定的目标知识库和领域，限制了其实际应用。在本文中，我们将LELA（一种模块化且领域无关的基于LLM的实体消解方法）扩展为一个实用的Python库，该库集成了零样本命名实体识别（NER），从而为实际应用中的实体链接提供了一个完整的端到端流水线。我们提供了实验结果，验证了LELA在多种实体链接场景下的性能和鲁棒性。在演示中，用户可以针对自己的输入文本使用该系统。
查看原文
查看缓存全文

缓存时间: 2026/05/27 09:10 

# LELA：一种端到端、基于大型语言模型的实体链接框架，支持零样本领域自适应
来源：https://arxiv.org/abs/2605.26956
查看 PDF (https://arxiv.org/pdf/2605.26956)

> 摘要：实体链接是许多下游自然语言处理系统的关键组成部分，然而现有方法往往受限于特定的目标知识库和领域，制约了其在实际场景中的应用。在本文中，我们将 LELA——一种模块化且领域无关的、基于大型语言模型的实体消歧方法——扩展为一个实用的 Python 库，该库集成了零样本命名实体识别 (NER)，从而为实际使用中的实体链接提供了完整的端到端流水线。我们提供了实验结果，验证了 LELA 在多种实体链接设置下的性能和鲁棒性。在演示中，用户可以针对自己的输入文本与系统进行交互。

## 提交历史

来自：Samy Haffoudhi [通过电子邮件查看](https://arxiv.org/show-email/4237fb9a/2605.26956) [通过 CCSD 代理]**[v1]**  
2026年5月26日 星期二 12:45:35 UTC (609 KB)

相似文章

GLiNER-Relex：联合命名实体识别与关系提取的统一框架

Hugging Face Daily Papers

GLiNER-Relex 是一个用于联合命名实体识别（NER）与关系提取（RE）的统一框架，利用共享的 Transformer 编码器实现零样本能力。该论文展示了模型在标准基准测试中具有竞争力的性能，并将其作为开源 Python 包发布。