什么是序列标注

序列标注

序列标注是一个比较简单的NLP任务，也可称为最基本的任务，序列标注给定一个输入序列，使用模型对这个序列的每一个位置标注一个相应的标签，是一个序列到序列的过程。序列标注涵盖范围非常广，可以解决一系列对字符进行分类的问题，如分词、词性标注、命名实体识别、关系抽取等。
序列标注可以分为原始标注和联合标注。原始标注就是每个元素中都需要被标注一个标签，联合标注就是所有的分段都被标注为同样的标签。命名实体识别就是信息提取问题的一个子任务。需要将元素进行定位和分类，如人名、地点、时间、组织名、质量等。

BIO标注的简介

解决联合标注问题的最简单方法，就是将其转换为原始标注问题，即使用BIO标注。
BIO标注是将每个元素标注为“$B-X$”、“$I-X$”或者“$O$”。其中，“B-X”表示此元素所在的片段属于X类型并且此元素为词片段的起始词，“I-X”表示此元素所在的片段属于X类型并且此元素为词片段的起始词之后的词，“O”表示该字不属于事先定义的任何词片段类型。

常见的序列标注还有BIOES标注和BMES标注。

BIOES标注主要将多元实体X标注为$B-X,I-X,E-X$的格式，B-表示实体的开头，I-表示实体的中间；0-代表非实体部分；E-代表实体的结尾；S-代表单个字符，其本身就是一个实体。
BMES标注中的B-代表实体的开头，M-代表实体的中间，O-代表非实体部分，E-代表实体的结尾、S-代表单个字符，其本身就是一个实体。可以看出在很多任务以上各种标注体系的表现差异不大。

经验

• 会自己将标注任务都给其搞熟练。