[DeepNLP] 初识命名实体识别

内容简介：[DeepNLP] 初识命名实体识别

引言：

因为在工作之中接触到NER，并且可以有需要NER的地方。在此总结一些相关资料与自己的理解。

什么是命名实体识别

此段原文：

http://blog.csdn.net/dvstream/article/details/17784293

命名实体识别(Named Entity Recognition, NER)，又称作“专名识别”，主要任务是识别出文本中的人名、地名等专有名称和有意义的时间、日期等数量短语并加以归类。对很多文本挖掘任务来说，命名实体识别系统是重要的组成部分：一方面，命名实体识别可以帮助识别未登录词，而根据SIGHAN Bakeoff的数据评测结果，未登录词造成的分词精度损失远大于歧义；另一方面，对关键词提取等任务来说，命名实体的类别是非常有用的文本特征。

命名实体是命名实体识别的研究主体，一般包括３大类（实体类、时间类和数字类）和７小类（人名、地名、机构名、时间、日期、货币和百分比）命名实体。当然对于某些特定的应用场景，也可以把产品名、电影电视剧名、编程类库名等作为命名实体的类别。时间、日期、货币等实体识别通常可以采用模式匹配的方式获得较好的识别效果，而人名、地名、机构名的识别方法则比较复杂。

命名实体识别的过程通常分两步：识别实体边界、确定实体类别。英语中的命名实体具有比较明显的形态标志，如人名、地名等实体中的每个词的第一个字母要大写等，所以实体边界识别相对来说比较容易。中文内在的特殊性决定了在文本处理时首先必须进行词法分析，中文命名实体识别的难度要比英文的难度大。

一个完善的命名实体识别系统应该是词典、规则、统计学习的方法相结合。

1. 可以对原始文本进行细粒度的分词，多个连续的单字可以作为命名实体的候选结果；识别文本中的“”以及《》等配对的标点符号，当中的文本也可以作为候选结果。

2. 挖掘各个领域的专名词典，对候选结果进行前向最大匹配，匹配到的很有可能是各个类别的命名实体。

3. 利用隐马尔科夫链（HMM）、最大熵（ME）、条件随机场（CRF）等统计模型进行识别，www.nilday.com/命名实体识别调研/ 有各个模型的效果总结。

NER的一些应用场景

上面提到了， NER主要是将句子之中的一些关键词提取出来。 比如：机构、时间、名称等等。

在我们的实际应用之中， 也有一些需要使用NER增强的场景。

比如：

I want to buy a cup of coffee

那么程序就需要能够自动识别：

• 意图是买东西
• 买的对象是 coffee
  所以， 有人说知识图谱的NER是150分类，或者更多。。。

目前一些第三方Service

下面都是一些能够直接试用的服务：

• Stanford
  有中文、英文，可以下载SDK，免费。
  http://nlp.stanford.edu:8080/ner/process

• Microsoft AI:

  https://azure.microsoft.com/zh-cn/services/cognitive-services/entity-linking-intelligence-service/

  需要付费。 不过看起来还不支持国内账号， 需要国外手机号、信用卡来注册才行。

• Cognitive Computation Group

  http://cogcomp.org/page/demo_view/ner

测试了一个我们实际的例子： How to upgrade Dr.Cleaner
很遗憾， 没有任何一个API / Service 能正确的识别出 Dr.Cleaner 这个产品。

第三方SDK

• 首选还是Stanford的OpenNLP
  注: NLTK也是基于Stanford的模型
• scipy:
  自称“工业级”，而NLTK是“科研用”
• 中文的：
  • Java: Ansj / HanNLP
  • Python： FoolNLTK

注：

• 貌似 python 中文分词的首先jieba还没有NER的功能
• 目前NER都有一些新词发现的功能， 但是不可避免的， 如果想适应自己的业务， 还是需要提供相应的词库。

本文原创，原文链接：http://www.flyml.net/2018/01/02/deepnlp-learn-ner/

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• EF架构~FluentValidation实体检验与实体分离了
• 表单 – 如何使用实体列表(CRUD)从模板中删除实体？
• MyBatis Generator配置文件--指定生成实体类使用实际的表列名作为实体类的属性名
• 命名实体识别技术
• XML实体扩展攻击
• 设计模式 - 组合实体模式

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。