实体识别(1) -实体识别任务简介

命名实体识别概念

命名实体识别(Named Entity Recognition,简称NER) , 是指识别文本中具有特定意义的词（实体），主要包括人名、地名、机构名、专有名词等等,并把我们需要识别的词在文本序列中标注出来。

例如有一段文本:李明在天津市空港经济区的税务局工作我们要在上面文本中识别一些区域和地点,那么我们需要识别出来内容有:

李明(人名)、天津市(地点)、空港经济区(地点)、税务局(组织) 识别上述例子我们使用了以下几个标签：

"B-ORG":组织或公司(organization)
"I-ORG":组织或公司
"B-PER":人名(person)
"I-PER":人名.
"O":其他非实体(other)
"B-LOC":地名(location)
"I-LOC":地名

在序列标注中，我们想对一个序列的每一个元素(token)标注一个标签。一般来说，一个序列指的是一个句子，而一个元素(token)指的是句子中的一个词语或者一个字。比如信息提取问题可以认为是一个序列标注问题，如提取出会议时间、地点等。

标签类型的定义一般如下：

定义	全称	备注
B	Begin	实体片段的开始
I	Intermediate	实体片段的中间
E	End	实体片段的结束
S	Single	单个字的实体
O	Other/Outside	其他不属于任何实体的字符(包括标点等)

将每个元素标注为“B-X”、“I-X”或者“O”。其中，“B-X”表示此元素所在的片段属于X类型并且此元素在此片段的开头，“I-X”表示此元素所在的片段属于X类型并且此元素在此片段的中间位置，“O”表示不属于任何类型。

命名实体识别中每个token对应的标签集合如下:

LabelSet = {O, B-PER, I-PER, B-LOC, I-LOC, B-ORG, I-ORG}

BIOES标注模式就是在BIO的基础上增加了单字符实体和字符实体的结束标识, 即

LabelSet = {O, B-PER, I-PER, E-PER, S-PER, B-LOC, I-LOC, E-LOC, S-LOC, B-ORG, I-ORG, E-ORG, S-ORG}

NER的识别靠的是标签，在长期使用过程中，有一些大家使用比较频繁的标签，下面给出大家一些参考：

Few-NERD，一个大规模的人工标注的用于few-shot NER任务的数据集。该数据集包含8种粗粒度和66种细粒度实体类型，每个实体标签均为粗粒度+细粒度的层级结构。

FEW-NERD: A Few-shot Named Entity Recognition Dataset
https://arxiv.org/abs/2105.07464

1、CLUENER2020：github.com/GuocaiL/nlp… 2、MSRA：github.com/GuocaiL/nlp… 3、人民网（04年）：github.com/GuocaiL/nlp… 4、微博命名实体识别数据集：github.com/GuocaiL/nlp… 5、BosonNLP NER数据：github.com/GuocaiL/nlp… 6、影视-音乐-书籍实体标注数据：github.com/GuocaiL/nlp… 7、中文医学文本命名实体识别 2020CCKS：github.com/GuocaiL/nlp… 8、电子简历实体识别数据集:github.com/GuocaiL/nlp… 9 、医渡云实体识别数据集:github.com/GuocaiL/nlp… 10、简历实体数据集：github.com/jiesutd/Lat… 11、CoNLL-2003：www.clips.uantwerpen.be/conll2003/n… 12、Few-NERD 细粒度数据集:github.com/thunlp/Few-… ......

https://nlp.stanford.edu/software/CRF-NER.shtml
python实现的Github地址：https://github.com/Lynten/stanford-corenlp

官方地址：http://mallet.cs.umass.edu/

Github地址：https://github.com/hankcs/pyhanlp
官网：http://hanlp.linrunsoft.com/

Github地址：https://github.com/nltk/nltk
官网：http://www.nltk.org/

Gihub地址：https://github.com/explosion/spaCy
官网：https://spcay.io/

文档地址：https://sklearn-crfsuite.readthedocs.io/en/latest/?badge=latest

CRF++是基于C++开发、可自定义特征集、基于LBFGS快速训练等等高效特征的CRF开源工具包。用于对序列数据进行分割和标记，主要用于NLP任务，例如命名实体识别、信息提取和序列标注等任务。

https://taku910.github.io/crfpp/

流水的NLP铁打的NER：命名实体识别实践与探索 - 知乎 zhuanlan.zhihu.com/p/166496466

中文NER的正确打开方式: 词汇增强方法总结 (从Lattice LSTM到FLAT) zhuanlan.zhihu.com/p/142615620

自然语言处理基础技术之命名实体识别简介 www.jianshu.com/p/02b08ff8a…

命名实体识别(Name Entity Recognition)综述 sthsf.github.io/2020/02/18/…