本文介绍了使用CRF（条件随机场）进行专业领域实体识别的过程，包括训练模型和测试阶段。通过示例展示了对症状如手脚麻木、胸部发紧、走路没劲等的标注，强调了基于单字标注可能存在的不准确性问题，暗示了分词质量对识别结果的影响。
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三大类（
实体类、时间类和数字类）、七小类（人名、机构名、地名、时间、日期、货币和百分比）
命名实体。
实体识别通常包括两部分：（1）实体边界识别；（2） 确定实体类别（人名、地名、机构名或其他）。英语中的命名实体具有比较明显的形式标志（即实体中的每个词的第一个字母要大写），所以实体边界识别相对容易，任务的重点是确定实体的类别。和英语相比，汉语命名实体识别任务更加复杂，而且相对于实体类别标注子任务，实体边界的识别更加困难。
近年来，随着对文本病历的研究，需要对医学实体进行识别，实体包括症状，检查，手术，药物等。这里介绍用CRF进行
实体识别通常包括两部分：（1）实体边界识别；（2） 确定实体类别（人名、地名、机构名或其他）。英语中的命名实体具有比较明显的形式标志（即实体中的每个词的第一个字母要大写），所以实体边界识别相对容易，任务的重点是确定实体的类别。和英语相比，汉语命名实体识别任务更加复杂，而且相对于实体类别标注子任务，实体边界的识别更加困难。
近年来，随着对文本病历的研究，需要对医学实体进行识别，实体包括症状，检查，手术，药物等。这里介绍用CRF进行
最低0.47元/天 解锁文章
扫一扫
596
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
