命名实体识别NER实战

1，什么是命名实体识别

    命名实体识别（Named Entity Recognition，简称NER）就是从一句话中找出相关的实体，并标识出其位置，实体的定义很广，可以是人名、机构、地点，根据业务需求也可以是性别、产品型号之类的。

例如：
刘媛媛同学被清华大学录取。
这里刘媛媛是一个人，清华大学是一个机构。

NER是NLP中一项基础性关键任务,对于其他的自然语言任务如关系抽取、事件抽取、知识图谱、机器翻译、问答系统都需要NER的支撑。

NER技术目前已经很成熟，在工业上已经完全满足应用需求。

2，通用工具

    如果业务需求简单，目前有封装好的工具可以直接使用，
NLTK和Stanford NLP。当然通用工具只能满足简单的需求，对于复杂的任务还是需要自己训练模型。

3，NER模型

    早期的NER使用字典和规则，在发展就是使用HMM和CRF概率模型。目前主流的方法是深度学习加CRF（RNN+CRF/CNN+CRF）

在基于深度学习的方法中，NER被当作是序列标注问题，类似于分类问题，对句子中的每个词判断其类别。这里会系列的介绍RNN，RNN+CRF，Bert+RNN+CRF.

4 实战

<