命名实体识别(NE)是指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
。
命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具,在自然语言处理技术走向实用化的过程中占有重要地位。
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(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。其中人名、地名、组织机构名是最常用到的三种。
汉语命名实体识别的难点主要存在于:
(1)汉语文本没有类似英文文本中空格之类的显式标示词的边界标示符,命名实体识别的第一步就是确定词的边界,即分词;
(2)汉语分词和命名实体识别互相影响;
(3)除了英语中定义的实体,外国人名译名和地名译名是存在于汉语中的两类特殊实体类型;
(4)现代汉语文本,尤其是网络汉语文本,常出现中英文交替使用,这时汉语命名实体识别的任务还包括识别其中的英文命名实体;
(5)不同的命名实体具有不同的内部特征,不可能用一个统一的模型来刻画所有的实体内部特征。
组织机构名识别的四大难点:1、中文机构名的用词十分广泛。2、长度极其不稳定。3、含有大量其他的命名实体,其中不乏未登录的地名。4、大多数机构名称都有其简称,简称规则使得难度加大。
http://jhx0129.blog.163.com/blog/static/17897057200852751212473/
汉语分词、词性标注、命名实体识别