crf++中文命名实体识别

（在新浪搜索部实习，方向为基于crf的中文命名实体识别，现将自己一个月的学习总结如下，本人也是初学者，文中所讲仅为个人理解，错误之处欢迎各位指正）

  第一部分：基础知识

  1.1 命名实体识别概念
命名实体识别： 把文本中出现的命名实体包括人名，地名，组织机构名等实体识别出来并且加以归类，它是自然语言处理的基本任务，是机器翻译，信息检索等技术的基础。
  1.2：命名实体识别的方法           1）基于规则的方法         2）基于统计的方法

1）基于规则的方法
eg：“胡德君作为实习生加入了新浪公司”。
  在基于规则的系统中，它会根据【人名】作为一名【职位名】 加入了【机构名】这样的规则，提取出“新浪公司”这个机构名。
    缺点：规则的设计过程耗时且容易产生错误，难以涵盖所有的语言现象，需要富有经验的语言专家才能完成，并且可移植性差。
2）基于统计的方法
        主要是利用标注语料库来训练某个字作为命名实体组成部分的概率，并用它们来计算某个候选字段作为命名实体的概率值，若大于某一阈值，则识别为命名实体。
        与规则方法相比：基