赞
踩
在自然语言处理(NLP)领域中,命名实体识别(Named Entity Recognition,NER)是一项关键技术。它旨在从非结构化的自然语言文本中识别出命名实体,如人名、地名、组织机构名、时间表达式等,并对它们进行分类。NER广泛应用于信息提取、问答系统、知识图谱构建等场景。
随着深度学习技术的快速发展,基于神经网络的NER模型取得了令人瞩目的成就,显著提高了识别准确率。但传统的基于规则或统计模型的NER方法仍然在某些特定场景下保持优势,如处理领域特定语言或识别罕见实体等。
命名实体通常指特定的人名、地名、组织机构名、时间表达式等实体。常见的命名实体类型包括:
不同的应用场景可能需要识别其他特定类型的命名实体。
NER可以看作一个序列标注问题,即为输入文本序列中的每个单词赋予一个标记,表示它是否属于命名实体及其类型。常用的标注格式有BIO和BIOES等。
例如:
张三/B-PER 是/O 一位/O 优秀/O 的/O 程序员/O ,/O 他/B-PER 在/O 腾讯/B-ORG 公司/I-ORG 工作/O 。/O
这里B-PER表示人名的开始,I-ORG表示组织机构名的中间部分。
NER
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。