NER流程 是指 命名实体识别（Named Entity Recognition）的处理过程

NER流程 是指 命名实体识别（Named Entity Recognition）的处理过程。

简单来说，它就是让计算机从一段自然语言文本中，自动识别出具有特定意义的“关键信息”（即“实体”），并将其分类到预定义的类别中。

---

🔍 举个例子：

句子：

“华为2024年在华东地区销售了10万台Mate 60手机。”

经过 NER 流程后，系统会识别出：

• 华为 → 实体类型：公司（Company）
• 2024年 → 实体类型：时间（Time）
• 华东地区 → 实体类型：区域（Region）
• Mate 60 → 实体类型：产品（Product）

---

🧩 NER 流程通常包括以下几个步骤：

1. 文本预处理：分词、去除标点、标准化格式等。
2. 实体识别：
   • 使用规则（如关键词匹配）
   • 或机器学习/深度学习模型（如BERT-BiLSTM-CRF）预测每个词或短语的实体标签
3. 实体消歧与归一：例如将“华子”“HW”都归一为“华为技术有限公司”。
4. 输出结构化结果：返回识别出的实体及其类型，供后续语义理解或查询生成使用。

---

✅ 在你提到的场景中，NER流程的作用是：

从用户输入的自然语言问题（如“小米Q3销量”）中，准确识别出：

• “小米” → 是公司
• “Q3” → 是时间
• “销量” → 是指标

这样大模型才能正确理解用户意图，生成对应的SQL查询或调用指标接口。

---

📌 总结：

NER流程 = 让AI“圈出”句子中的重点信息，并告诉它是哪一类（比如是公司？产品？还是时间？），是实现自然语言理解（NLU）和智能问答的关键第一步。