实体解析（Entity Resolution，简称 ER）指的是：把不同来源、不同写法、不同格式的记录，判断出哪些其实在说同一个真实对象，然后把它们合并成一条干净、唯一的记录。它有时也叫记录链接（Record Linkage）、去重（Deduplication）或实体匹配（Entity Matching），不同叫法侧重点略有不同。
打个生活化的比方。你的手机通讯录里可能有“张三”“张 三”“Zhang San”“老张 138xxxx1234”。它们其实都是同一个人。如果你要统计“我到底认识多少个张三”，就必须先判断这些条目是不是同一个张三，再把电话、公司、备注合并成一条。实体解析干的就是这件事，只不过对象可能是客户、商品、公司、地址、论文作者、设备 ID。
为什么难？因为现实数据没有统一的“身份证号”。同一个人可能留了不同手机号，公司名可能写成“北京某某科技有限公司”和“某某科技（北京）有限公司”，地址可能缺“市”少“区”。系统通常先做分块（Blocking），把明显不可能相同的记录排除，只在小范围里两两比较；再用规则和模型算相似度，比如字符串编辑距离、拼音、语义向量；最后聚类并合并。合并时还要处理冲突：两个电话留哪个？地址以哪个为准？
它和几个相邻概念容易混：
| 概念 | 侧重点 |
|---|---|
| 实体解析（Entity Resolution） | 发现不同记录指向同一实体，并合并 |
| 记录链接（Record Linkage） | 常指跨数据源找出同一实体 |
| 去重（Deduplication） | 常指同一数据源内部合并重复项 |
| 实体链接（Entity Linking） | 把文本中的提及链到知识库已有实体 |
| 数据清洗（Data Cleaning） | 更广，含格式、缺失、异常等 |
实际意义：它是知识库和数据质量的隐形地基。CRM 里同一个客户三条记录，销售看到三个客户；风控里同一家公司换个名字就绕过关联；搜索和AI 词典：检索增强生成">检索增强生成（Retrieval-Augmented Generation，RAG）如果实体没对齐，检索结果就会重复或矛盾。做实体解析时，先定义“什么算同一个实体”，再选分块和匹配策略，边界案例保留人工审核，并持续监控错合并和漏合并。具体工具和阈值以官方文档与业务验证为准。