Penganalisis Cakupan Entitas

Free, no signup. Find likely entities in your page text, then reconcile selected names against Google’s Knowledge Graph and Wikidata. Local extraction works when the AI path is unavailable.

Built by Patrick Stox

Berjalan sepenuhnya di browser Anda—tidak ada yang Anda tempel yang diunggah atau disimpan. The optional AI extraction sends your pasted text to the bounded model endpoint. Reconciliation sends only a selected entity name to Google KG and Wikidata; local extraction stays in your browser. Penghitung hasil anonim per proses dapat digunakan untuk riset agregat; URL, domain, IP, dan pengenal tidak pernah disertakan, dan statistik tidak dirilis jika jumlah proses kurang dari 100.

Masukan

Data lokal

Target tersimpan, daftar bernama, dan ringkasan pemeriksaan terbaru hanya tersimpan di browser ini.

Entity JSON-LD

Tentang alat ini

Laporan contoh Deterministik lokal contoh

Bagaimana ini berfungsi lokal jalur counts capitalized sequences dari up untuk five ketentuan, menghapus small hentikan daftar, dan sorts oleh mentions. opsional AI jalur asks dibatasi endpoint untuk candidate menyebut. Google KG dan Wikidata lookups adalah terpisah dan pengguna-triggered. Dihasilkan WebPage JSON-LD mencakup hanya ditautkan entitas: pertama di bawah tentang, subsequent cocok di bawah mentions, dan reconciled KG, Wikidata, Wikipedia, dan diklaim social URLs di bawah sameAs.

Dapat I terbitkan dihasilkan JSON-LD sebagai-adalah?

Fitur

Tidak. miss dapat reflect ambiguity, cakupan, quota, atau service availability. alat laporan ini sebagai unmatched atau tidak dievaluasi, tidak pernah sebagai proof dari nonexistence.
Batasan heuristic misses lowercase brands dan umum-noun concepts, dan dapat mistake headings atau sentence openings untuk entitas. Mention count tidak topical importance. Model extraction dapat vary. pertama Knowledge Grafik hasil tidak necessarily dimaksud entity, dan dihasilkan ordering tidak semantik judgment. alat tidak bandingkan halaman terhadap wajib topic model atau competitors.
Entity Cakupan Analyzer
Fitur Lokal extraction yang berfungsi tanpa API atau model. Opsional model-assisted candidate extraction dengan terlihat provenance. Per-entity, pada-demand Google KG dan Wikidata rekonsiliasi. Richer sameAs JSON-LD dibatasi untuk reconciled entitas. Eksplisit ambiguity dan tidak tersedia-hasil keadaan.
Bagaimana untuk gunakan ini Tempel terlihat teks atau HTML dari satu halaman. Pilih Mengekstrak entitas untuk lokal capitalized-nama heuristic, atau opsional model-assisted extraction. Tinjau proposed menyebut dan pilih Cocokkan IDs hanya untuk entitas Anda intend untuk periksa terhadap Google KG dan Wikidata. Periksa ambiguous hasil sebelum menggunakan dihasilkan tentang dan mentions JSON-LD.

Cara kerja

Apakah tidak ditemukan dalam Knowledge Graph berarti entitas itu tidak ada? Tidak. Di sini, entitas berarti orang, organisasi, produk, dan konsep bernama yang muncul dalam teks halaman yang diberikan. Alat ini menginventarisasi penyebutan yang mungkin; alat ini tidak menentukan entitas topik yang seharusnya dicantumkan. Apa itu cakupan entitas? “Diusulkan” berarti ditemukan oleh pola nama berhuruf kapital lokal. “Diamati” berarti diurai dari respons bantuan model pada suatu waktu dan belum diverifikasi secara independen. “Ditautkan” berarti pencarian mengembalikan pengenal stabil; konfirmasikan identitas secara manual. “Ambigu” berarti lebih dari satu kandidat dikembalikan dan kandidat pertama tidak boleh dianggap benar.

Batasan

Tidak ada sameAs tautan muncul di JSON-LD until pengguna melakukan pencarian dan accepts identifier. contoh dengan sengaja berhenti sebelum rekonsiliasi karena nyata cocok depends pada langsung service dan human identitas tinjau.
Tinjau ini pertama. Hanya reconciled entitas adalah disertakan, tetapi top cocok dapat masih menjadi salah. Konfirmasi setiap identitas dan pastikan entity adalah genuinely tentang atau mentioned oleh halaman.
Entity JSON-LD Capitalized-nama mencocokkan adalah fallback, tidak knowledge grafik. KG miss adalah “tidak dievaluasi” atau unmatched, tidak pernah proof entity tidak exist. Tinjau setiap dihasilkan skema reference sebelum publishing.
Mengekstrak terlihat named entitas, cocokkan ones Anda pilih, dan draft transparan JSON-LD.

Pertanyaan umum

Apa itu cakupan entitas?

Di sini, cakupan entitas berarti orang, organisasi, produk, dan konsep bernama yang muncul dalam teks halaman yang diberikan. Alat ini menginventarisasi nama yang mungkin; alat tidak menentukan entitas apa yang wajib dicantumkan oleh suatu topik.

Apa perbedaan antara ekstraksi dan rekonsiliasi?

Ekstraksi mengusulkan nama yang ditemukan dalam teks. Rekonsiliasi menghubungkan nama yang dipilih ke pengenal graf pengetahuan yang stabil. Nama dapat diekstrak dengan benar tetapi direkonsiliasi ke entitas dunia nyata yang keliru, sehingga setiap kecocokan perlu ditinjau.

Apakah tidak ditemukannya hasil di Knowledge Graph berarti entitas tidak ada?

Tidak. Kegagalan menemukan hasil dapat disebabkan ambiguitas, cakupan, kuota, atau ketersediaan layanan. Alat melaporkannya sebagai tidak cocok atau tidak dievaluasi, tidak pernah sebagai bukti bahwa entitas tersebut tidak ada.

Bisakah saya menerbitkan JSON-LD yang dihasilkan apa adanya?

Tinjau terlebih dahulu. Hanya entitas yang telah direkonsiliasi yang disertakan, tetapi kecocokan teratas masih dapat keliru. Pastikan setiap identitas dan pastikan entitas tersebut memang menjadi pokok bahasan atau disebutkan di halaman.

Apakah menambahkan lebih banyak entitas meningkatkan visibilitas AI?

Tidak secara otomatis. Cakupan yang jelas dan akurat dapat mengurangi ambiguitas, tetapi menjejalkan nama atau skema yang tidak didukung halaman terlihat akan menghasilkan markup menyesatkan, bukan otoritas.

Langkah berikutnyaValidator Markup Schema — verify it with a direct check. Panduan tersedia dalam bahasa Inggris.

Masalah umum dan cara memperbaikinya

Peringatan Kemungkinan entitas memiliki tidak telah dicocokkan Perbaikan: Tinjau identitas kandidat dan lampirkan Knowledge Graph ID yang benar dan stabil sebelum menghasilkan referensi entitas.
Peringatan Penting diharapkan entitas tidak ada Perbaikan: Tambah akurat cakupan dari diharapkan entitas di mana ini secara nyata membantu jawaban halaman’s topik.
Peringatan entitas kandidat memetakan untuk beberapa identitas Perbaikan: bedakan nama dengan jenis dan konteks, lalu pilih terverifikasi entitas ID daripada daripada pertama cocok.
Informasi entitas cakupan adalah jarang Perbaikan: Tambah hilang topik-kritis entitas dan hubungan berdasarkan pada halaman’s sebenarnya subjek, tidak mentah penyebutan jumlah.