《知识图谱》赵军 阅读笔记（四）——第四章 实体识别和扩展

    实体（Entity）作为知识图谱的基本单元，也在文本中承载信息的重要单位。实体识别和分析是支持知识图谱构建和应用的重要技术。根据国际公开评测（Automatic Content Extraction，ACE）给出的定义，在文本中对实体的引用可以有三种形式：命名性指称、名词性指称以及名词性指称。狭义来说，命名实体指现实世界中具体或抽象的实体。命名实体的确切含义，只能根据具体应用来确定。
    本章内容大多是任务驱动，因此，首先对需要做的任务进行概述，之后，介绍完成这些任务使用的不同方案。

4.1 实体识别和扩展

4.1.1 任务概述

    命名实体的任务主要是识别出文本中实体的命名性指称项，并标注其类别。一般来说，命名实体识别的任务就是识别出待处理文本中三大类、七小类命名实体。不同任务对不命名实体类别粒度的需求不同。细粒度实体是被的难点主要是类别多、类别具有层次、标注成本高。

4.1.1.1 实体识别的难点

    七类实体中的时间、日期、货币、百分比具有明显规律，较为容易识别，其他三类（人名、地名、机构名）比较灵活，大多需要配合上下文等其他信息配合完成识别。
命名实体的识别过程包括两部份：（1）识别实体边界；（2）确定实体类别（人名、地名、机构名等相关信息）。

    命名实体识别的主要难点在于以下几个方面：
        （1）命名实体形式多变。命名实体内部结构复杂。例如，人名中虽然对姓氏进行了限制