金融场景的特殊性
“苹果”可能指代公司、水果或期货合约，传统NER模型容易产生误判，导致图谱出现”乔布斯→种植→苹果”等错误关系。
LightRAG的消歧方案
- 领域增强型抽取::
- exist
env.exampleset up inDOMAIN=finance启用金融领域实体优先识别 - 内置FINANCIAL_ENTITIES词典（含”期货””期权”等2000+金融术语）
- exist
- 上下文消歧：当检测到歧义实体时：
- trig
disambiguate()方法分析周边词汇（如”财报”提示公司实体） - 调用LLM进行语义验证（需在QueryParam设置
validate_entities=True)
- trig
- 人工校核通道
通过可视化界面的
实体合并工具手动关联：- 搜索”苹果公司”查看所有候选实体
- 批量选择正确指代进行合并
- 导出修正日志供模型迭代训练
This answer comes from the articleLightRAG: A Lightweight Framework for Building Retrieval Augmented Generation (RAG) ApplicationsThe
May not be reproduced without permission:AI productivity tools " 在金融风控场景中，如何避免知识图谱构建时的实体歧义问题？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil