NLP系列(二) NER的三种序列标注方法BIO、BMES、BIOSE_bio标注详解

序列标注

序列标注（Sequense Tagging）是NLP中最基础的任务，应用十分广泛，如分词、词性标注、命名实体识别、关键词提取、语义角色标注、槽位抽取（Slot Filling）等实质上都属于序列标注范围。

命名实体识别

命名实体识别（Named Entity Recognition，简称NER），是指识别文中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。

命名实体识别的作用

命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具，在自然语言处理技术走向实用化的过程中占有重要地位。一般来说，命名实体识别的任务就是识别出待处理文本中的三大类命名实体（实体列、时间类、数字类）、七小类（人名、机构名、地名、时间、日期、货币、和百分比）。

命名实体识别的过程组成

1.实体边界识别；
2.确定实体类别（人名、地名、机构名或其他）

简述标签类型

进行命名实体识别时，通常需要对每个字进行标注，中文为单个字，英文为单词、空格分割。标注标签类型如下表所示
类型：说明
B：Begin，代表实体片段的开始
I ：Internediate，代表实体片段的中间
M：Middle，代表实体片段的中间
E：End，代表实体片段的结束
S：Single，代表实体片段的单个字
O：Other，代表字符不为任何实体

实体识别常见的序列标注方法：

1.BIO：标识实体的开始、中间和非实体部分
2.BMES：增加S单个实体情况的标注
3.BIOSE：增加E实体的结束标识

BIO-三位序列标注法（B-begin,I-inside,O-outside）

·B-X 代表实体X的开头
·I-X 代表实体X的中间或结尾
·O代表不属于任何类型的实体

样例

 我 O
 是 O
 李 B-PER
 果 I-PER
 冻 I-PER
 ， O
 我 O
 爱 O
 中 B-ORG
 国 I-ORG
 ， O
 我 O
 来 O
 自 O
 四 B-LOC
 川 I-LOC
 。 O
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

BMES-四位序列标注法（B-begin,M-middle,E-end,S-single）

·B 表示一个词的词首位置
·M 表示一个词的中间位置
·E 表示一个词的末尾位置
·S 表示一个单独的字词

样例

我 S
 是 S
 四 B
 川 M
 人 E
1
2
3
4
5

BIOES-五位序列标注法（B-begin,I-inside,O-outside,E-end,S-single）

·B 表示开始
·I 表示内部
·O 表示非实体
·E 表示实体尾部
·S 表示该词本身就是一个实体

样例

我 O
 是 O
 李 B-PER
 果 I-PER
 冻 E-PER
 ， O
 我 O
 爱 O
 中 B-LOC
 国 E-LOC
 ， O
 我 O
 来 O
 自 O
 四 B-LOC
 川 E-LOC
 。 O
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17