步步为营DotNet
实体对齐实测:Jaro-Winkler 召回高到 91%,负样本误报也是 100%,bigram 剪枝让全库扫描快 36 倍
原创
关注作者
腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
步步为营DotNet
社区首页
>
专栏
>
实体对齐实测:Jaro-Winkler 召回高到 91%,负样本误报也是 100%,bigram 剪枝让全库扫描快 36 倍
实体对齐实测:Jaro-Winkler 召回高到 91%,负样本误报也是 100%,bigram 剪枝让全库扫描快 36 倍
步步为营DotNet
关注
发布于 2026-11-16 12:42:36
发布于 2026-11-16 12:42:36
22
0
举报
概述
LLM 抽出来的实体名要挂回知识库,靠的不是某个"更好"的相似度算法,而是三件事分开算:
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系
cloudcommunity@tencent.com
删除。
c#
性能优化
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档