Named Entity Semantische Infrastruktur
Named Entities unterscheiden sich von generischen Konzepten durch ihre Einzigartigkeit und Benennbarkeit. In der semantischen Infrastruktur bilden Named Entities die konkreten Datenobjekte, über die Wissen gespeichert wird. Knowledge Graphs bestehen überwiegend aus Named Entities und ihren Beziehungen.
Named Entities als Grundbausteine des Knowledge Graph
Named Entities sind die konkreten, benennbaren Objekte der Welt: Angela Merkel ist eine Named Entity, Bundeskanzlerin ist ein Konzept. Diese Unterscheidung ist fundamental für die semantische Infrastruktur. Knowledge Graphs bestehen überwiegend aus Named Entities und ihren Beziehungen zueinander. Die Erkennung von Named Entities in Texten, die Named Entity Recognition (NER), ist der erste Schritt der maschinellen Wissensverarbeitung.
Suchmaschinen erkennen Named Entities in Suchanfragen und Webinhalten, um den Bezug zum Knowledge Graph herzustellen. Schema.org modelliert Named Entities durch Typen wie Person, Organization, Place oder Product. Für Entity SEO ist das primäre Ziel, die eigene Named Entity als erkanntes Objekt im Knowledge Graph zu etablieren. Die DBpedia-Ontologie wird zur Trainierung von Named-Entity-Recognition-Systemen eingesetzt, wie in der Fachliteratur dokumentiert.
Die Disambiguierung von Named Entities ist eine zentrale Herausforderung der semantischen Verarbeitung. Gleichnamige Entitäten müssen korrekt unterschieden werden, damit der richtige Knowledge-Graph-Eintrag zugeordnet wird. In der Praxis wird dies durch Kontextanalyse, Coreference Resolution und den Abgleich mit autoritativen Datenquellen wie Wikidata gelöst.
Für die Content-Strategie bedeutet Named Entity Awareness, dass Inhalte so gestaltet werden, dass die enthaltenen Entitäten von NLP-Systemen zuverlässig erkannt und korrekt zugeordnet werden können. Klare Benennungen, konsistente Terminologie und strukturierte Daten unterstützen die maschinelle Erkennung und Zuordnung.
Entity Disambiguation: Eine Entität, viele Namen
Named Entity Disambiguation ist das zentrale Qualitätsproblem jedes Knowledge Graph. Paris ist die Hauptstadt Frankreichs, aber auch eine Stadt in Texas, eine Figur aus der griechischen Mythologie und ein Vorname. Systeme, die Texte mit Entitäten verknüpfen, müssen aus dem Kontext schliessen, welches Paris gemeint ist -- und das mit hoher Präzision, weil falsche Zuordnungen kaskadieren.
In Wikidata löst jede Entität dieses Problem durch eine eindeutige QID: Q90 ist Paris, Frankreich. Q830149 ist Paris, Texas. Kein Namenskonflikt, kein Kontext erforderlich für das Referenzieren. Das ermöglicht es, Aussagen wie 'Paris hat 2,1 Millionen Einwohner' eindeutig der richtigen Entität zuzuordnen.
Für Named Entity Recognition (NER) in Texten ist Disambiguation der schwierigste Schritt. Reine String-Erkennung identifiziert den Namen, aber erst Entity Linking verbindet ihn mit dem Wissens-Graph-Objekt. State-of-the-art-Systeme nutzen Kontextfenster, Korefferenzauflösung und Wahrscheinlichkeitsmodelle über Kandidaten-Sets.
Eine semantische Infrastruktur, die Named Entities nicht disambiguiert, produziert mehrdeutige Daten. Das korrumpiert Analysen, verzerrt Suchergebnisse und macht maschinenlesbare Inferenz unzuverlässig. Disambiguation ist kein optionales Feature, sondern Voraussetzung für semantische Qualität.
Koreferenz: Wenn eine Entität viele Gesichter hat
Koreferenzauflösung ist das inverse Problem zur Disambiguation: Nicht viele Namen für verschiedene Objekte, sondern viele Ausdrücke für dasselbe Objekt. In einem Text über Angela Merkel taucht die Person als 'sie', 'die Kanzlerin', 'Merkel' und 'Angela Dorothea Merkel' auf. Alle vier Ausdrücke referenzieren dieselbe Named Entity -- aber ein naiver Extraktor würde vier verschiedene Entitäten anlegen.
Für Knowledge Graphs ist das verheerend. Jede nicht aufgelöste Koreferenz produziert Duplikate, fragmentiert Wissen und verwässert Graphzentralitäten. Ein Entity, das in 50 Dokumenten vorkommt, aber unter acht verschiedenen Strings geführt wird, verliert seine Konnektivität.
Moderne Koreferenzauflösung arbeitet mit coreference chains: Alle Ausdrücke in einem Dokument werden zu einer Kette verbunden, die auf eine kanonische Entität zeigt. Das setzt voraus, dass diese kanonische Entität -- die QID, der URI -- im System existiert. Ohne den Anker im Knowledge Graph ist Koreferenzauflösung nur Text-Clustering, kein semantisches Linking.
Für den Aufbau semantischer Infrastruktur gilt: Named Entity Recognition und Coreference Resolution müssen gemeinsam geplant werden. Wer erst Entitäten extrahiert und dann versucht, Duplikate zu bereinigen, kämpft immer gegen den Datenstrom. Konsistentes Entity Linking von Anfang an verhindert die technische Schuld der Koreferenz.