[NLP] 命名实体识别简要知识点

最新推荐文章于 2025-05-27 10:53:24 发布
原创 最新推荐文章于 2025-05-27 10:53:24 发布 · 3.1k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#NLP #自然语言处理 #命名实体

命名实体识别（NER）是自然语言处理的关键任务，旨在识别文本中的人名、地名、机构名等专有名词，并进行分类。NER对分词效果有显著影响，涉及实体类、时间类和数字类，如人名、地名、机构名、时间、日期、货币和百分比。主要技术包括规则和词典方法、统计机器学习（HMM、ME、SVM、CRF）及混合方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

命名实体识别(Named EntitiesRecognition, NER)是自然语言处理(Natural LanguageProcessing, NLP)的一个基础任务

目标：
识别出文本之中人名、地名等专有名词和有意义的时间、日期等数量短语并加以归类
简单的说识别出未登录词识别的范畴
对分词效果的影响非常大

最低0.47元/天 解锁文章

200万优质内容无限畅学
7、自然语言处理中的命名实体识别：基于Transformer架构的创新方法
weixin_29867767的博客
06-02 24
本文介绍了基于Transformer架构的阿拉伯语命名实体识别（NER）模型，探讨了AraBERT编码器、全连接层优化及条件随机场（CRF）在序列标注中的作用。通过实验结果和技术点分析，展示了该模型在法律文本分析、社交媒体监控和新闻报道自动化等场景的应用潜力，并提出了增加训练数据、引入外部知识库等优化建议，展望了其在未来低资源语言支持和跨语言迁移学习中的发展方向。
超详综述 | 基于深度学习的命名实体识别
Paper weekly
05-25 6737
©PaperWeekly 原创 ·作者｜马敏博单位｜西南交通大学硕士生研究方向｜命名实体识别论文名称：A Survey on Deep Learning for Named Entit...
命名实体识别（NER）综述
SunnyGJing’s blog
09-13 1万+
1. NER介绍 1.1 理论 命名实体识别（NER）是自然语言处理领域的核心技术之一，它的目标是从一段非结构化文本中识别出属于特定类别的命名实体，进而支持下游任务。例如，为了接入地图搜索服务API，查询POI信息，我们从“我要去北京市北三环西路”中，识别出市辖区类“北京市”和道路类“北三环西路”这两个实体，并作为参数值传入搜索服务API（这一步骤被称为填槽），搜索完成后可获取对应的查询结果。 1.2 常见命名实体 在公开NER语料中，命名实体类别以“时间TIME、地名LOC、人名PER、机构ORG”最为常
NLP助力非结构化文本抽取：实体关系提取实战
最新发布
ip16yun的博客
05-27 576
本文介绍了一套完整的微博热帖数据采集与NLP分析系统。系统通过代理爬虫获取微博热搜内容，采用规则匹配和简单情感分析方法，实现了实体关系抽取（如"华为-竞争-荣耀"）和情感标注（正面/负面/中性）。技术路线包含爬虫代理、请求配置、数据采集、NLP处理和可视化等模块。代码示例展示了从代理设置到数据存储的完整流程，并提出了未来可采用BERT等深度学习模型的优化方向。该系统验证了中文非结构化文本分析的实际应用价值，可作为舆情监控和商业分析的底层技术方案。
【命名实体识别(NER)】(1)：命名实体识别综述
热门推荐
Mr_Robert的博客
03-23 4万+
命名实体识别综述 什么是命名实体识别？ 命名实体识别（Named Entity Recognition，简称NER），又称作**“专名识别”，是自然语言处理中的一项基础任务，应用范围非常广泛。命名实体一般指的是文本中具有特定意义或者指代性强的实体**，通常包括人名、地名、机构名、日期时间、专有名词等。通常包括两部分： 实体的边界识别 确定实体的类型（人名、地名、机构名或其他） NER系统就是从...
命名实体识别算法综述
04-02
总结了从90年代到21世纪初，命名实体识别算法的发展和现状，个人感觉总体还是不错的
自然语言处理中的命名实体识别技术
# 1. 引言 ## 1.1 背景介绍 ...在自然语言处理技术中，命名实体识别（Named Entity Recognition，简称NER）是一个重要的任务之一。命名实体指的是具有特定意义或指代特定实体的词或短语，例如人名、地名、
NLP中的命名实体识别技术详解
## 什么是自然语言处理（NLP）？ 自然语言处理（Natural Language Processing，NLP）是人工智能和语言学领域交叉的重要领域，旨在使计算机能够理解、解释、操纵人类语言的能力。NLP 的发展使得计算机能够处理文本、...
命名实体识别（NER）入门知识梳理
tiancanucas的博客
06-13 839
进阶学习 精读word2vec内部的实现原理，CBOW和Skip-gram两种方法的实现及内部优化细节等； 学习下attention机制，self-attention机制，transformer，他们比LSTM好在哪，这里要花很大一部分精力，这部分相当于是目前NLP中最核心的技术了； 预训练模型：GPT、ELMo、BERT、ERNIE论文精读，了解下其他预训练模型的改进idea； 调试并精读BERT+BiLSTM+CRF的代码实现，至此当前NER这一块的基础知识和组件基本就攻克完成了，至于提升精度及...
keynote 文件 命名实体识别 综述ppt
11-07
自己做的 ppt 希望搞命名实体识别的同学们一起交流互相学习
命名实体识别，效果最好的方法
04-12
自然语言处理中命名实体识别效果最好的方式，上述为原文
命名实体识别（综述）——NER
Hekena的博客
08-16 286
参考综述文章：A Survey on Deep Learning for Named Entity Recognition
命名实体识别研究综述
u014033218的专栏
04-15 1万+
命名实体识别研究进展综述 1 引 言 命名实体识别(Named Entity Recognition,NER)的主要任务是识别出文本中的人名、地名等专有名称和有意义的时间、日期等数量短语并加以归类[1]。命名实体识别技术是信息抽取、信息检索、机器翻译、问答系统等多种自然语言处理技术必不可少的组成部分。从语言分析的全过程来看,命名实体识别属于词法分析中未登录词识别的范畴。命名实体是未登录词中数...
【论文阅读】命名实体识别文献综述
weixin_47082769的博客
03-08 2194
命名实体识别 (NER) 是从属于预定义语义类型（如人、位置、组织等）的文本中识别刚性指示符的任务。NER 一直是许多自然语言应用的基础，如问答、文本摘要和机器翻译。早期的 NER 系统在以设计特定领域的特征和规则的人工工程成本实现良好性能方面取得了巨大成功。近年来，深度学习通过非线性处理得到连续实值向量表示和语义组合的支持，已被用于 NER 系统，产生了最先进的性能。在本文中，我们全面回顾了现有的 NER 深度学习技术。我们首先介绍 NER 资源，包括带标签的 NER 语料库和现成的 NER 工具。
中学数学知识点实体识别
夏栀的博客
09-28 2464
中学数学知识点实体识别 构建中学数学知识图谱的第一步是完成数学命名实体识别。 1. Overview   本文定义是：中学数学学科知识点指客观存在的数学知识实体及其对应的抽象内容。客观存在的实体即例如“三角形”、“数列”、“平面向量”等指代一个数学的概念；抽象是指基于这些客观实体的一些数学“方法”、“定理”等，例如“边角边定理”是基于三角形的全等的定理，“裂项相消法”是基于“数列”求和的一种方法，...
深度学习命名实体识别综述
朝闻道
01-20 644
命名实体识别(NAR)是从人、位置、组织等预定义语义类型的文本中识别刚性标识符的任务。NER一直是许多自然语言应用的基础，如问答、文本摘要和机器翻译等。早期的NER系统在设计特定领域的特征和规则时付出了人力工程的代价，在取得良好性能方面取得了巨大的成功。近年来，深度学习通过连续的实值向量表示和通过非线性处理的语义合成，被应用于NER系统中，产生了最先进的性能。本文对现有的深度学习技术进行了全面的综述。我们首先介绍了NER资源，包括标记的NER语料库和现成的NER工具.然后，我们根据三个轴对现有作品进行了系统
基于词汇信息融合的中文命名实体识别模型研究
本次分享的资源是关于在自然语言处理（NLP）领域中的命名实体识别（NER）任务，具体实现了一个基于词汇信息融合的中文命名实体识别模型，并通过Python编程语言进行开发。该项目的核心在于通过将词汇信息融合到BERT...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值