命名体识别（工业级实战经验+代码）

reference：DASOU
https://zhuanlan.zhihu.com/p/148492889
https://github.com/DA-southampton/ner

1. 关键词匹配

TF-IDF 再根据效果和自己的数据做相关优化

又对数据做了补充，我在数据调研之后发现对于一部分领域文本，比如说娱乐领域，明星领域，财经领域等等吧，这些领域的文本很有特色，一般人名/地名/公司名称/书名/电影名称都可以很好的表示文本关键信息。

细节：扩充关键词词典，不同领域关键词有何区别，匹配算法如何高效执行（一般都是用树相关算法来做匹配）

2. 命名体识别

2.1 方向
词典匹配–>HMM/CRF–>BiLSTM-CRF–>Bert系列
很少直接就上复杂模型，一般都是先来简单模型，然后在优化迭代

2.2 词典匹配
词典匹配是最简单的，也是最快的：很依赖于你的词典情况，词典的补充需要你自己搞定。
2.2.1 词典的补充
1）比如找相关的运营人员/产品人员，因为他们比较靠近一线工作，手上会积累一些相关的词典。
2）使用合法爬虫手段（至于如何合法就自己考虑吧）去专业的垂直领域网站获取数据补充词典。
3）比如你可以获取已经有的关键词的同义词来扩充：如何获取同义词？获取同义词库

2.3 资源
2.3.1 命名体识别基础知识（论文，博客，经典书）
1）词典+最大逆向匹配做命名体识别整体思