En bref. La liaison d’entités utilise une mention textuelle et son contexte pour sélectionner une entité identifiable dans une base de connaissances.
Définition : La liaison d’entités (entity linking) associe une mention textuelle à une entrée identifiable dans une base de connaissances en s’appuyant sur son contexte. Une base de connaissances est un ensemble d’entités et d’informations à leur sujet ; BLINK utilise les entrées de Wikipédia comme entités cibles.
Points clés
- L’article sur BLINK, Scalable Zero-shot Entity Linking with Dense Entity Retrieval, publié en novembre 2020, définit le résultat de la liaison comme un ensemble de paires associant une mention à une entité de la base de connaissances.
- Au 17 octobre 2026, le dépôt BLINK documente un fonctionnement interactif qui utilise Flair pour la reconnaissance des entités nommées avant de relier les mentions à Wikipédia.
- La documentation de Google sur les données structurées d’organisation, mise à jour le 8 septembre 2026, indique que l’ajout d’informations sur une organisation à une page d’accueil peut aider Google à distinguer cette organisation dans les résultats de recherche.
Comment BLINK associe-t-il une mention à une entité ?
L’article sur BLINK distingue la recherche de candidats de leur classement. Les candidats sont les entrées de la base de connaissances susceptibles de correspondre à la mention. Les mots qui l’entourent aident le modèle à choisir entre des entrées dont les noms se recoupent.
Un bi-encodeur (bi-encoder) convertit indépendamment le contexte de la mention et la description de chaque entité en représentations numériques appelées plongements vectoriels (embeddings). La recherche sélectionne les représentations d’entités proches. Un encodeur croisé (cross-encoder) lit ensuite conjointement le contexte de la mention et le texte de chaque entité trouvée, puis reclasse les candidats.
L’illustration de l’article utilise la phrase « Mes enfants ont beaucoup aimé faire un tour dans la Jaguar ! » et compare une marque automobile à des montagnes russes. Cet exemple montre pourquoi la seule graphie de la mention laisse le choix de l’identité en suspens.
Dans le cadre sans exemple (zero-shot) de l’article, les entités utilisées lors du test sont absentes de l’entraînement, et leurs descriptions textuelles fournissent les informations les concernant. L’évaluation suppose que chaque mention correspond à une entité de la base de connaissances ; le traitement des mentions extérieures à cette base est réservé à de futurs travaux.
Qu’identifie le résultat de la liaison ?
La reconnaissance des entités nommées repère les mentions dans un texte. La liaison associe ces mentions à des entrées : le README de BLINK décrit explicitement une étape de reconnaissance suivie d’une étape de liaison dans son mode interactif. Cette distinction compte lors de la vérification d’un résultat : détecter un nom et sélectionner son identité sont deux opérations distinctes.
La commande interactive documentée accepte une option qui affiche l’URL Wikipédia de chaque entité :
python blink/main_dense.py -i --show_url
Le même README explique que l’identifiant numérique affiché correspond à la position de l’entité dans le catalogue téléchargé entity.jsonl. Ce catalogue contient des URL Wikipédia, des titres et du texte. L’URL identifie donc l’entrée Wikipédia sélectionnée, tandis que l’identifiant affiché dépend de l’ordre du catalogue de BLINK.
Quelles informations un site peut-il fournir sur son identité ?
Les données structurées sont un format standardisé de description du contenu d’une page. Les consignes de Google sur les organisations donnent une application pratique de la désambiguïsation d’entités : le balisage d’organisation sur la page d’accueil peut aider à distinguer une entreprise d’autres organisations dans les résultats de recherche.
La documentation indique que url, l’adresse du site web de l’organisation, aide Google à identifier l’organisation de manière unique. Elle définit legalName comme la dénomination légale enregistrée lorsqu’elle diffère de name. La propriété sameAs accepte des liens vers d’autres sites web qui fournissent des informations supplémentaires sur l’organisation, notamment des profils sur des réseaux sociaux ou des sites d’avis.
Pour une entreprise, ces champs fournissent des informations concrètes sur son identité, à vérifier par rapport aux informations qu’elle publie. Les consignes de Google concernent son balisage d’organisation ; BLINK documente un système de liaison issu de la recherche, dont la base de connaissances cible est Wikipédia.
Termes associés
- Graphe de connaissances
- Plongements textuels
- Recherche dense
- Reclassement des résultats de recherche
- Données structurées Organization
Questions fréquentes
Comment pouvez-vous examiner l’entité sélectionnée par BLINK ?
Le README de BLINK documente l’option --show_url, qui affiche l’URL Wikipédia de chaque entité. Vous pouvez consulter cette page pour vérifier l’identité sélectionnée.
La liaison sans exemple nécessite-t-elle une description de l’entité ?
Dans le cadre décrit par l’article sur BLINK, chaque entité est définie par une courte description textuelle. L’évaluation sans exemple sépare les entités d’entraînement des entités de test.
Que contient le champ sameAs d’organisation de Google ?
La documentation de Google sur les organisations décrit une URL située sur un autre site web qui fournit des informations supplémentaires sur l’organisation. Le profil d’une entreprise sur un réseau social ou un site d’avis en est un exemple.
Sources
- Association for Computational Linguistics, « Scalable Zero-shot Entity Linking with Dense Entity Retrieval », novembre 2020
- facebookresearch, « BLINK README », consulté le 17 octobre 2026
- Google Search Central, « Organization structured data », mis à jour le 8 septembre 2026
Vérifiez comment une page se lit pour les moteurs de réponse. Ouvrir l’analyseur de score GEO