实体检索是信息检索的一个专门领域，专注于识别和返回响应查询的特定实体——不同的、真实世界的对象或概念。与返回整个文档的传统文档检索不同，实体检索旨在精确定位单个实体（例如，人、地点、产品）及其结构化属性。例如，在文档检索系统中搜索“贝拉克·奥巴马”可能会返回关于他的文章，但实体检索系统会直接提供结构化数据，如他的出生日期、职业或显著成就。当用户需要简洁、基于事实的答案，而不是筛选冗长的文本时，这种方法特别有用。
为了实现这一点，实体检索系统依赖于结构化知识库（如 Wikidata 或 DBpedia）或已处理以提取实体的非结构化数据。实体使用名称、别名、关系和上下文信息等属性进行索引。当查询被处理时，系统使用关键字匹配、语义分析或图遍历等技术将其与这些索引属性进行匹配。例如，像“19 世纪出生于德国的科学家”这样的查询将涉及过滤标记为“科学家”的实体，其中“出生于”属性与德国匹配，并且出生日期在指定的范围内。像 Elasticsearch 或 Apache Solr 这样的工具通常被用于此目的，使用自定义模式来建模实体关系并提高检索准确性。
实体检索的挑战包括处理模棱两可的名称（例如，“Apple”指的是公司与水果）以及扩展到包含数百万个实体的庞大数据集。系统通过分析上下文来解决歧义——例如，在“Apple”旁边提到“CEO”的查询表明该公司。可伸缩性通过分布式索引和高效的查询处理来管理。实际应用包括搜索引擎（例如，Google 的知识图谱）、提供即时答案的聊天机器人或按品牌或价格等属性过滤产品的电子商务平台。通过关注结构化实体数据，开发人员可以构建提供精确、可操作结果的系统，从而减少用户花费在解析不相关信息上的时间。