实体识别

1. 实体识别是什么

实体识别是一套机制，决定 AI 引擎能否分辨你是谁、你是什么，并把你获得的各种信号归到正确的实体节点上。

GEO Wiki 工作定义：在 GEO 语境下，实体识别是 AI 引擎把一个表层名称（surface form，也就是页面或查询中出现的品牌、产品、作者字符串）对应到已知的规范实体（canonical entity），并与同名实体区分开的过程。只有完成这一步，与这串字符相关的信用才能归于正确的节点。

2. 为什么未解析的实体拿不到信用

未被解析的实体，拿不到信用。 只有把一次提及、一次引用或一处标记断言对应到正确的实体节点，相关信用才会记到应归属的实体名下。名称未能解析时，即使被点名或引用，相应信用也不会生效。正如 品牌提及 §5 所说：「没有提及的链接，权威动作不完整」；可引用性 §2 也强调：「可引用是必要条件，不是充分条件」。解析是整条链路的关键一步，不是锦上添花。

   提及 / 引用 / sameAs 断言
            │
            ▼
   [ 实体解析层 ]   ◄── 本条目
     表层名称 → 候选 → 消歧 → 节点
            │
   ┌────────┴─────────┐
   ▼                  ▼
 已解析            未解析 / 错配
 → 先验与          → 信用被丢弃，或
   信用记到           附着到错误实体
   你的节点           上（同名冲突）

解析发生在检索之前的解析与实体层，Schema.org for AI §2 所讨论的标记也在这一环节发挥作用。完成实体解析后，系统才进入 Answer Loop §3 所述的采信与选择环节，可引用性 与 E-E-A-T 会在这一环节影响判断。解析并不决定取用哪段内容，而是决定相应信用最终归于哪个实体。

实体识别需要与三个相关概念区分：

• 解析 ≠ 可被引述。 让一段话可被原样取用，见 可引用性。
• 解析 ≠ 被信任。 解析出的实体是否可信，见 E-E-A-T。
• 解析 ≠ 节点存在。 Wikidata 节点本身见 知识图谱存在度；实体识别解决的是如何把一次提及正确对应到该节点。

3. 机制：实体解析流程

解析的基本机制是先做命名实体识别（NER），再做实体链接（entity linking）。在 GEO 语境下，流程如下：

  表层名称        "Acme"  （页面或查询里的字符串）
       │
       ▼
  候选生成        "Acme" 可能是哪些已知实体？
       │          （Acme 公司 · Acme 工具 · 同名乐队 …）
       ▼
  消歧            上下文 + 共现 + 先验，挑出其一
       │
       ▼
  规范实体        信用最终附着的那个节点

消歧依赖三类输入，三者的权重并不相同；§5 之所以按平台区分，正是因为各平台主要依赖的输入不同。

输入	如何影响解析	来自哪里	何时占主导
① 显式解析凭据	一条直接指向正确实体节点、不会产生歧义的链接，让引擎无须再做推测	sameAs、结构化标识符、权威主页链接	会读取并解析结构化数据的索引集成型平台
② 消歧上下文	提供足够线索，从多个可能匹配的实体中确定唯一对象	一致的规范名称、各渠道一致的 NAP、每次提及附近的描述性共现词	没有显式凭据时（开放网络上的大多数情形）
③ 模型既有先验	在多个候选中，优先选择训练时反复得到印证的实体	训练数据和检索结果中有多少相互一致的信息支持该实体，也就是 §6 所说的「越知名越容易被解析」这条规律	没有结构化层可读的纯 LLM 平台

Schema.org for AI §4 指出，sameAs 可以作为显式的解析凭据。Google 明确说，它「在后台用于把你的组织与其他组织区分开」（见 Organization 结构化数据）。完整的 JSON-LD 代码块见 Schema.org for AI 或 Schema 落地 playbook。具体而言，sameAs 声明本页所指的实体就是相应 Wikipedia／Wikidata 链接指向的实体；只有当全网其他信息都不与这项声明矛盾，引擎才会接受，并从多个候选中确定唯一节点。

4. 怎样让实体得到可靠解析

提高解析的可靠性，关键在以下几项措施，以及它们各自对应的 §3 输入：

可采取的措施	如何帮助解析	对应输入	常见失败
sameAs 或结构化标识符	给引擎一条直接指向正确实体节点的显式链接	①	缺少这条显式链接，实体始终无法对应到知识图谱中的节点
全网统一的规范名称与 NAP	使不同渠道的提及都能对应到同一个候选实体	②	各渠道身份信息不一致，系统会持续生成多个候选，无法确定唯一节点
每次提及附近都附带消歧上下文（角色、领域、限定词）	通过提及周围的语境把你与同名者区分开	②	同名冲突未解决，相应信用会归给规模更大的同名实体
一个已认领的知识图谱节点，作为解析的目标	让解析最终能对应到一个已有权威记录的实体	① 与 ③	缺少可对应的目标节点（节点机制见 知识图谱存在度）
为品牌、作者、产品选择一个有辨识度且能避开同名的名称	从源头减少可能混淆的同名候选	②	每次生成候选列表时，同名实体都更占优势

品牌提及 §6 指出：「你赢得的是成为那个被点名的对象」。实体识别遵循相同的逻辑：单方声明不足以确立身份；全网信息必须相互印证，形成唯一且一致的身份。实体能否被可靠解析，正是这种一致性带来的结果。 这个身份是否可信，见 E-E-A-T。

5. 不同平台如何解析实体（共性与差异）

各平台都遵循 §3 所述的流程，差异在于主要依赖哪一类输入。

平台	占主导的解析输入
Google AI Overviews 与 AI Mode	索引与知识图谱；主要依赖显式标识符（①），知识图谱用于补充判断
Google Gemini	依赖共现与知识图谱节点（② 与 ③），知识图谱在无法明确解析时补充判断
ChatGPT 与 Perplexity（实时抓取）	模型先验与实时抓取页面中的上下文（② 与 ③）；JSON-LD 在生成答案时不会被当作知识图谱来解析（Schema.org for AI §5）；解析主要依赖模型先验与知识图谱，而不是抓取时读取页面上的标记

6. 证据说明了什么、又没说明什么

现有证据已充分支持实体解析机制的基本方向；但在品牌层面，投入越多是否就一定解析得越可靠，目前并无定论。解读 Aggarwal 时也要注意同样的证据边界：研究可以说明总体方向，却不能把某个具体系数直接用于不同对象。下表区分了已有证据与不能据此推出的结论：

证据能支持什么	不能据此推出什么
一个实体获得的佐证越广泛，模型对它的回忆与处理就越可靠：模型能够稳定解析热门实体，长尾实体则不能（Kandpal 等，arXiv:2211.08411；Mallen 等，ACL 2023）	这些论文度量的是对 Wikidata 事实的 QA 准确率，并以 Wikipedia 页面浏览量衡量热度，并没有度量品牌实体解析。将结论推广到品牌实体，只能视为类比，不能当作直接结论。品牌提及 §4 引用同一批论文时也作了相同区分：这些研究能说明模型先验的作用，并能支持实体越知名越容易被解析这一规律
索引集成型平台依靠显式标识符和知识图谱这一层完成解析：Google 说 sameAs 用于把你的组织与其他组织区分开（Organization 文档；这套模型可追溯到 知识图谱，2012）	这只说明实体达到了基本解析门槛，并不表示会因此获得排名加成；详见 Schema.org for AI §6
业界实践现已把实体消歧（「实体漂移」「身份坍缩」）视为 AI 搜索中的首要问题（Search Engine Land，2026）	这只能从业界实践层面佐证该问题确实存在，不能独立证明相应机制或效应量

Aggarwal 等关于生成式引擎优化的研究（KDD ‘24，arXiv:2311.09735；论文精读）度量的是页内内容改写（加引用、加统计、加引述），并不是实体解析。研究中最高约 40% 的提升并不适用于「改善实体识别」；将这个数字直接用于实体解析，属于过度外推。

解析依赖多方相互印证，而非单方声明。 单凭一条 sameAs 无法完成解析；只有多个独立来源提供一致的身份信息，才能形成足以支持解析的佐证。这与 Schema.org for AI 所说的「标记是声明，不是奖励」、E-E-A-T §6 所说的「靠挣得，不靠标注」含义一致。

7. 反模式：身份含混与认错实体

以下几类失败模式必须避免；相关问题也见 品牌提及 §8 与 Schema.org for AI §7。

误读	为什么看似合理	实际问题
「我们到处都被点名，那肯定被解析了」	提及次数多，似乎代表权威度高	一个未妥善处理的同名冲突会使模型先验分散到几个同名实体；决定结果的是能否正确解析，而不是提及次数
「各渠道用不同名称／账号，做品牌没关系」	在不同渠道使用不同表达，似乎更灵活	信息会分散到多个候选实体，系统始终无法确定唯一节点（§3 输入 ②）
「伪造一条指向知名节点的 sameAs」	似乎可以立即建立关联	这与在 E-E-A-T §7 伪造署名、在 Schema.org for AI §7 伪造 Organization 的结果相同：多方信息不一致，最终会使声明失效；造假的解析链接也会被识别出来
「光靠标记就能解析我们」	似乎已经提供了明确凭据	纯 LLM 平台在生成答案时并不解析 JSON-LD（§5）；这项显式凭据还要得到多方一致信息的支持
「我们有 Wikipedia 页面，所以被解析了」	似乎已经具备明确身份	Wikipedia 页面只能证明知识图谱节点存在（见 知识图谱存在度）；实体识别还要把具体提及正确对应到这个节点

实体识别失败，几乎从来不是「没有身份」，而是认错了对象，或者根本无法确认。解决办法是保持一致，而不是一味增加数量。

8. 这对 GEO 为什么重要，以及怎么做

实体解析是前置的几个关键环节之一。相应信用最终能否被计入，取决于这些环节是否成立；因此，应把实体解析与内容能否被采信（可引用性）、站外信息形成的模型先验（品牌提及）放在一起理解。

目标	参考内容
部署 sameAs 或修正身份标记	Schema 落地
建立对应的结构化节点	知识图谱存在度
获得能够推动解析的站外提及	品牌提及
了解哪些标记会作用于实体层	Schema.org for AI
判断解析出的实体是否可信	E-E-A-T
让同一实体跨语言被解析	Multilingual GEO
了解实体解析在答案流程中的作用	Answer Loop
将这些环节系统整合起来	生成式引擎优化

参考资料

学术：

• Kandpal, N., Deng, H., Roberts, A., Wallace, E. & Raffel, C. (2023). Large Language Models Struggle to Learn Long-Tail Knowledge. ICML 2023 (PMLR v202). arXiv:2211.08411
• Mallen, A., Asai, A., Zhong, V., Das, R., Khashabi, D. & Hajishirzi, H. (2023). When Not to Trust Language Models: Investigating Effectiveness of Parametric and Non-Parametric Memories. ACL 2023. ACL Anthology · arXiv:2212.10511
• Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · 论文精读。可用于界定证据边界；该研究并未度量实体解析

官方：

• Google — Introducing the Knowledge Graph: things, not strings（2012-05-16）：奠定「实体，而非字符串」这一模型
• Google Search Central — Organization structured data：sameAs「在后台用于把你的组织与其他组织区分开」
• Schema.org — sameAs：「无歧义地标明该项身份的参考网页 URL」

业界：

• Search Engine Land — Why entity authority is the foundation of AI search visibility（Benu Aggarwal，2026-03-16）