NLP 命名实体识别 NER

最新推荐文章于 2025-04-24 21:55:20 发布

冰__蓝

最新推荐文章于 2025-04-24 21:55:20 发布

阅读量1.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： NLP技术文章标签： NER NLP 自然语言处理

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.youkuaiyun.com/ling620/article/details/98742776

文章目录

对这几天看到的相关资料进行一个简单的记录。

1、命名实体识别简介

命名实体识别任务旨在从自然语言文本中识别具有特定意义的实体，如人名、地名、组织名。在自然语言处理（Natural Language Processing，NLP）中，命名实体识别通常是自然语言理解的第一步，它的结果被用于许多后续的NLP任务。如实体链接（Entity linking）、关系抽取（Relation Extraction）和句法分析（Syntactic parsing）等。因此，命名实体识别任务的效果好坏就至关重要了。

1.1 定义

命名实体识别（Named Entity Recognition, NER） 也称为实体识别、实体分块和实体提取，是信息提取的一个子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间、数量、货币值、百分比等。

命名实体一般可认为是具有特定意义或指代性强的实体，通常包括人名、地名、组织结构名、日期时间、专有名词等。NER系统就是从非结构化的输入文本中抽取出上述实体，并且可以按照业务需求识别出更多类别的实体。因此只要是业务需求的特殊文本片段都可以称为实体。

学术上，所涉及的命名实体一般包括 3大类（实体类、时间类、数字类），7小类命名实体（人名、地名、组织结构名、时间、日期、货币、百分比）。

NER是NLP中一项基础性关键任务，从自然语言处理的流程来看，NER可以看做词法分析中未登录词识别的一种，是未登录词中数量最多、识别难度最大、对分词效果影响最大问题。同时NER也是关系抽取、信息检索、知识图谱、机器翻译、问答系统等诸多NLP任务的基础。
信息检索：命名实体可以用来提高和改进检索系统的效果。
机器翻译：命名实体的翻译常会有一些特殊翻译规则，例如中国人民翻译成英文时要用拼音来表示，有名在前姓在后的规则。
问答系统：准确的识别出问题的各个组成部分特别重要，问题的相关领域，相关概念。