序列标注NER、POS、Chunking、SRL

序列标注概念

序列标注（Sequence Tagging）是NLP中最基础的任务，应用十分广泛。
如以下内容：
分词
命名实体识别（Named Entity Recognition，NER）
词性标注（Part-of-Speech Tagging，POS tagging）
组块分析（Chunking）
N词汇顺序标注（N-gram）
关键词抽取
语义角色标注（Semantic Role Labeling，SRL）
槽位抽取（Slot Filling）
…

NER

NER主要识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。通常为待处理文本中三大类（实体类、时间类和数字类）、七小类（人名、机构名、地名、时间、日期、货币和百分比）命名实体。

通常包括两部分：

1. 实体边界识别。
2. 确定实体类别（人名、地名、机构名或其他）。

NER标签类型

进行命名实体识别时，通常需要对每个字进行标注，中文为单个字，英文为单词，空格分割。标注的标签类型如下表所示：

类型	说明
B	Begin，代表实体片段的开始
I	Internediate，代表实体片段的中间
M	Middle，代表实体片段的中间
E	End，代表实体片段的结束
S	Single，代表实体片段为单个字
O	Other，代表字符不为任何实体

NER序列标注的三种方法

实体识别三种常见的序列标注方法如下：

1. BIO：标识实体的开始，中间部分和非实体部分。
   B-begin，I-inside，O-outside
   B-X：代表实体X的开头
   I-X：代表实体X的中间或结尾
   O：代表不属于任何类型的

 我 O
 是 O
 张 B-PER
 某 I-PER
 三 I-PER
 ， O
 我 O
 在 O
 天 B-ORG
 安 I-ORG
 门 I-ORG
 。 O

2. BMES：增加S单个实体情况的标注。
   B-begin，M-middle，E-end，S-single
   B表示一个词的词首位值。
   M表示一个词的中间位置。
   E表示一个词的末尾位置。
   S表示一个单独的字词。

 我 S
 是 S
 北 B
 京 M
 人 E

3. BIOSE：增加E实体的结束标识。
   B-begin，I-inside，O-outside，E-end，S-single
   B表示开始
   I表示内部
   O表示非实体
   E表示实体尾部
   S表示改词本身就是一个实体

POS

POS主要用于标记出待处理文本中每个词的词性。

POS标签类型

主要标注的标签类型如下表所示：

类型	说明	包含词性
N	名词	NN, NNP, NNPS, FW
V	动词	VB, VBD, VBG, VBN, VBP, VBZ
ADJ	形容词	JJ, JJR, JJS
ADV	副词	RB, RBR, RBS

POS详解标注

类型	说明
CC	Coordinating conjunction 连词
CN	Cardinal Number 基数
DT	Determiner 限定词（the、some）
EX	existential 存在句（there）
FW	外来词
IN	Preposision or subordinating conjunction 介词或从属连词
JJ	Adjective 形容词或序数词
JJR	Adjective, comparative 形容词比较级
JJS	Adjective, superlative 形容词最高级
LS	List item marker 列表标示
MD	Modal 情态助动词
NN	Noun, singular or mass 常用名词 单数形式
NNS	Noun, plural 常用名词 复数形式
NNP	Proper noun, singular 专有名词，单数形式
NNPS	Proper noun, plural 专有名词，复数形式
PDT	Predeterminer 前位限定词
POS	Possessive ending 所有格结束词
PRP	Personal pronoun 人称代词
PRP$	Possessive pronoun 所有格代名词
RB	Adverb 副词
RBR	Adverb, comparative 副词比较级
RBS	Adverb, superlative 副词最高级
RP	Particle 小品词
SYM	Symbol 符号
TO	to 作为介词或不定式格式
UH	Interjection 感叹词
VB	Verb, base form 动词基本形式
VBD	Verb, past tense 动词过去式
VBG	Verb, gerund or present participle 动名词和现在分词（ing）
VBN	Verb, past participle 过去分词
VBP	Verb, non-3rd person singular present 动词非第三人称单数
VBZ	Verb, 3rd person singular present 动词第三人称单数
WDT	Wh-determiner 限定词（如关系限定词：whose,which.疑问限定词：what,which,whose）
WP	Wh-pronoun 代词（who whose which）
WP$	Possessive wh-pronoun 所有格代词
WRB	Wh-adverb 疑问代词（how where when）

Chunking

组块分析是从非结构化文本中提取短语的过程。相对于POS-Tagging来说，POS-Tagging返回了解析树的最底层，就是一个个单词。但是有时候你需要的是几个单词构成的名词短语，而非个个单词，在这种情况下，您可以使用chunker获取需要的信息，而不是浪费时间为句子生成完整的解析树。举个例子(中文)：与其要单个字，不如要一个词，例如，将“南非”之类的短语作为一个单独的词，而不是分别拆成“南”和“非”去理解。

组块分析是可以接着词性标注工作继续完成，它使用词性标注作为输入，并提供分析好的组块做为输出。与词性标注的标签类似，它也有一组标准的组块标签，如名词短语（np）、动词短语（vp）等，当你想从诸如位置，人名等文本中提取信息时，分块是非常重要的。在NLP中，称为命名实体识别，举个例子“李雷的杯子”是分块分出的一个短语，而抽取“李雷”这个人名，就是命名体识别。所以，组块分析也是命名体识别的基础。

Chunking标签类型

NP（名词短语）：NP是NLP组块分析中最为复杂的一种结构。名词短语是指中心词为名词所构成的短语，其语法功能相当于名词性成分，一般可以在句子中充当主语、宾语、定语等。从语法的角度来讲，该结构具有两种含义，一种是值按句法成分构成的短语；另一种是指知识库中的实体和属性，这种组块称为baseNP。

VP（动词短语）：是以动词为中心，与其修饰、限定或并列成分共同构成的一种语义组块，除中心动词表达的行为之外，其修饰和限定成分更明确和具体化动作的语义。

QP（数词短语）：由数量词构成的短语结构。

DP（限定词短语）：一般用于修饰NP或限定QP，可以作为复合NP子结构。

ADJP（形容词短语）：其所修饰的名词中心语总是要先投射成一个NP。

DNP：由多种类型的短语加上（DEG的）构成。它们总是出现在NP的上下文中。（DEG的）出表示它前面的短语为NP的修饰语之外，没有其他作用。DNP常被看作一种复合的NP结构。

ADVP（副词短语）：常用作动词的修饰语。

PP（介词短语）

LCP：处所词为中心语的短语

SRL

语义角色标注是一种浅层语义分析技术，以句子为单位，分析句子的谓词-论元结构，不对句子所包含的语义信息进行深入分析。具体来说，语义角色标注的任务就是以句子的谓词为中心，研究句子中各成分与谓词之间的关系，并且用语义角色来描述他们之间的关系。
例：奥巴马昨晚在白宫发表了演说。
谓词 “发表”
施事 “奥巴马”
受事 “演说”
时间 “昨晚”
地点 “在白宫”

SRL标签类型