深度理解机器学习6-词性标注

分块

分块是一种以单词及其词性标注作为输入的算法。它处理这些单独的标记及其标签，以查看它们是否可以组合。一个或多个单独标记的组合称为块，分配给这种块的词性标注称为分块标签。

·名词短语（NP）：这些短语以名词为词头。它们充当动词或动词短语的主语或宾语。

·动词短语（VP）：这些短语以动词为词头。

·形容词短语（ADJP）：这些短语以形容词为词头。描述和限定名词或代词是形容词短语的主要功能。它们直接位于名词或代词之前或之后。

·副词短语（ADVP）：这些短语以副词为词头。通过提供描述和限定名词和动词的细节，它们被用作名词和动词的修饰语。

·介词短语（PP）：这些短语以介词为词头。它们在时间或空间上定位一个行为或实体。

分块是在词性标注已经应用于语料库之后执行的。这允许文本被分解成最简单的形式（单词的标记），对其结构进行分析，然后再组合成有意义的更高级的块。分块也有利于命名实体识别的过程。

加缝

加缝是分块的延伸，分块是在加缝后进行的。分块之后，你有分块及其分块标签，以及单个单词及其词性标注。通常，这些多余的词是不必要的。它们对理解自然语言的最终结果或整个过程没有贡献，因此是一种麻烦。加缝的过程通过提取分块来帮助我们处理这个问题，分块标注形成标注语料库，从而去除不必要的位。这些有用的分块一旦从标注语料库中提取出来，就被称为缝隙。

命名实体识别

这是信息提取过程中的第一步。信息提取是机器从非结构化或半结构化文本中提取结构化信息的任务。这促进了机器对自然语言的理解。经过文本预处理和词性标注，我们的语料库成为半结构化和机器可读的。因此，信息提取是在我们准备语料库后执行的

命名实体

命名实体是现实世界中的对象，可以分为类别，如人、地方和事物。基本上，这些词可以用一个恰当的名字来表示。命名实体还可以包括数量、组织、货币价值和许多其他东西。命名实体可以被视为实体的实例。<