命名实体识别(NER)

命名实体识别（Named Entity Recognition,NER）
1. 基于规则的方法：利用手工编写的规则，将文本与规则进行匹配来识别命名实体。
2. 基于特征模板的方法：统计机器学习将NER视为序列标注问题，利用大规模语料来学习出标注模型，从而对句子各个位置进行标注，常用到的模型包括HMM和判别式模型CRF.
3. 基于神经网络的方法： 将token从离散one-hot表示映射到低维空间中成为稠密的embedding，随后将句子的embedding序列输入到RNN中，用神经网络自动提取特征，Softmax来预测每个token的标签。缺点：网络变种多、对参数设置依赖大、模型可解释差。而且对每个token打标签的过程中是独立的分类，不能直接利用上文已经预测的标签（只能靠隐状态传递上文信息），进而导致预测出的标签序列可能是非法的