基于深度学习的命名实体识别详解（附Github代码）

命名实体识别（NER）是在自然语言处理中的一个经典问题，其应用也极为广泛。比如从一句话中识别出人名、地名，从电商的搜索中识别出产品的名字，识别药物名称等等。传统的公认比较好的处理算法是条件随机场（CRF），它是一种判别式概率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。简单是说在NER中应用是，给定一系列的特征去预测每个词的标签。如下图：

X我们可以看做成一句话的每个单词对应的特征，Y可以看做成单词对应的标签。这里的标签就是对应场景下的人名、地名等等。重点在X的理解上面，什么是特征呢？通常我们都会取的特征是词性，如果名词、动词… 但是有人会反问，知道了词性就能学习出标签吗？显然是不够的，我们可能需要更多的特征来完成我们的学习。但是这些特征需要我们根据不同的场景去人工的抽