一种实体标注方法及基于强化主动学习的实体对齐方法

本发明公开了一种实体标注方法及基于强化主动学习的实体对齐方法，实体对齐方法通过结合强化学习和主动学习策略，优化实体对齐任务中的样本选择效率和效果。综合考虑匹配不确定性采样、新颖性导向的不确定性采样以及代表性采样在内的多种采样策略，用于评估未标记实体对的不确定性分数。为实现策略的自适应加权，本发明采用组合多臂老虎机机制，平衡探索新策略与利用现有策略。每次迭代过程中，框架根据策略权重选择最优策略组合来标记实体对，并更新训练集和模型。组合多臂老虎机机制的引入，可以动态调整策略权重，确保选择的样本涵盖重要信息，减少标记数据需求，同时提升对齐效率和准确性。