Fast Entity Linker 用于训练模型，以将实体链接到文档和查询中的知识库（维基百科），是一款无监督、准确、可扩展多语言实体名称识别和链接系统，同时包含英语、西班牙语和中文数据包。在算法上，使用了实体嵌入，click-log 数据和高效聚类等方法来实现高精度。该系统通过使用压缩数据结构和主动散列函数以实现低内存占用和快速执行。实体嵌入（Entity embeddings）是基于向量的表示，它捕获上下文中引用实体的方式。目前，快速实体链接器（Fast Entity Linker）是仅

维基百科词向量 sgns.wiki.char.bz2解压后文件后缀名是.char, 可以通过一些方法得到.txt结尾的文件，有35万多个字词和符号，300维的向量表示。将词向量作为词嵌入层时需要加载全部的词向量到内存，如果计算机的内存不够大，会直接内存溢出。所以，截取8000，20000个词汇的词向量进行使用，在配置普遍的设备也能运行。该项目提供了100多个使用不同表示（密集和稀疏），上下文特征（单词，ngram，字符等）和语料库训练的中文单词向量（嵌入）。人们可以很容易地获得具有不同属性的预训