实体识别（一）

实体识别（命名实体识别）：

一、概念

1.实体：指客观存在、并可相互区别的事物，实体可以是具体的人、事、物，也可以是概念。

2.命名实体：以名称为标识的实体。即我们听到一个名字，就能知道这个东西是哪个具体的事物。

   命名实体识别主要分类：

• 3 大类（实体类、时间类和数字类）
• 7 小类（人名、地名、组织名、机构名、时间、日期、货币和百分比）

但随着 NLP 任务的不断扩充，在特定领域中会出现特定的类别。

• 比如医药领域中，药名、疾病等类别。
• 实体类型是根据需求人为定义的，这种定义可以是有层次的。例如，产品类是一个大类，下面可能会包含手机类、电脑类、照相机类等等。这种定义就是本体建模。
• 本体是从schema的角度来定义（自上向下），而知识图谱则是从数据层（自底向上）来构建。对于领域或垂直行业的知识图谱，一般都需要有本体层。而实体可以定义为本体的某个概念的实例。有点像是类和对象的概念。

二、NER实体词典的获取与使用（新词挖掘）

1. 一些网站会直接提供实体词典，如搜狗词典；
2. 可以从结构化/半结构化数据中挖掘实体词典，例如百度百科、医学网站的Link等等；
3. 从文本中挖掘。用户可能提供一些非标准化表达，这时候就需要用到新词挖掘技术，可以参考美