命名實體識別（Named Entity Recognition，NER）是NLP中一項非常基礎的任務。NER是信息提取、問答系統、句法分析、機器翻譯等眾多NLP任務的重要基礎工具。
命名實體識別的準確度，決定了下遊任務的效果，是NLP中非常重要的一個基礎問題。
作者&編輯 | 小Dream哥
1 命名實體識別是什麼？
要了解NER是一回什麼事，首先要先說清楚，什麼是實體。要討論實體的理論概念，可能會花上一整天的時間，我們不過多糾纏。
簡單的理解，實體，可以認為是某一個概念的實例。
例如，「人名」是一種概念，或者說實體類型，那麼「蔡英文」就是一種「人名」實體了。「時間」是一種實體類型，那麼「中秋節」就是一種「時間」實體了。
所謂實體識別，就是將你想要獲取到的實體類型，從一句話裡面挑出來的過程。
小明 在 北京大學 的 燕園 看了
PER ORG LOC
中國男籃 的一場比賽
ORG
如上面的例子所示，句子「小明在北京大學的燕園看了中國男籃 的一場比賽」，通過NER模型，將「小明 」以PER，「北京大學」以ORG，「燕園」以LOC，「中國男籃」以ORG為類別分別挑了出來。
2 命名實體識別的數據標註方式
NER是一種序列標註問題，因此他們的數據標註方式也遵照序列標註問題的方式，主要是BIO和BIOES兩種。這裡直接介紹BIOES，明白了BIOES，BIO也就掌握了。
先列出來BIOES分別代表什麼意思：
B，即Begin，表示開始
I，即Intermediate，表示中間
E，即End，表示結尾
S，即Single，表示單個字符
O，即Other，表示其他，用於標記無關字符
將「小明在北京大學的燕園看了中國男籃的一場比賽」這句話，進行標註，結果就是：
[B-PER，E-PER，O, B-ORG，I-ORG，I-ORG，E-ORG，O，B-LOC，E-LOC，O，O，B-ORG，I-ORG，I-ORG，E-ORG，O，O，O，O]
那麼，換句話說，NER的過程，就是根據輸入的句子，預測出其標註序列的過程。
3 命名實體識別的方法介紹
1）HMM和CRF等機器學習算法
HMM和CRF很適合用來做序列標註問題，早期很多的效果較好的成果，都是出自這兩個模型。兩種模型在序列標註問題中應用，我們在之前的文章中有介紹，感興趣的同學可以看下如下連結的文章：
【NLP】用於語音識別、分詞的隱馬爾科夫模型HMM
【NLP】用於序列標註問題的條件隨機場（Conditional Random Field, CRF）
2）LSTM+CRF
目前做NER比較主流的方法就是採用LSTM作為特徵抽取器，再接一個CRF層來作為輸出層，後面我們用專門的文章來介紹這個模型。如下圖所示：
3）CNN+CRF
CNN雖然在長序列的特徵提取上有弱勢，但是CNN模型可有並行能力，有運算速度快的優勢。膨脹卷積的引入，使得CNN在NER任務中，能夠兼顧運算速度和長序列的特徵提取，後面我們用專門的文章來介紹這個模型。
4）BERT+（LSTM）+CRF
BERT中蘊含了大量的通用知識，利用預訓練好的BERT模型，再用少量的標註數據進行FINETUNE是一種快速的獲得效果不錯的NER的方法，後面我們用專門的文章來介紹這個模型。
總結
NER是一個非常基礎，但是非常重要的任務，今天先做一個整體的介紹。後續小Dream哥會相繼詳細的介紹上述幾種常見的NER模型。在具體的模型中，大家能夠更為細緻的體會NER任務的真正作用和意涵。
讀者們可以留言，或者加入我們的NLP群進行討論。感興趣的同學可以微信搜索jen104，備註"加入有三AI NLP群"。
下期預告：命名實體識別詳解之二：LSTM+CRF網絡
知識星球推薦
知識星球主要有以下內容：
(1) 聊天機器人。考慮到聊天機器人是一個非常複雜的NLP應用場景，幾乎涵蓋了所有的NLP任務及應用。所以小Dream哥計劃以聊天機器人作為切入點，通過介紹聊天機器人的原理和實踐，逐步系統的更新到大部分NLP的知識，會包括語義匹配，文本分類，意圖識別，語義匹配命名實體識別、對話管理以及分詞等。
(2) 知識圖譜。知識圖譜對於NLP各項任務效果好壞的重要性，就好比基礎知識對於一個學生成績好壞的重要性。他是NLP最重要的基礎設施，目前各大公司都在著力打造知識圖譜，作為一個NLP工程師，必須要熟悉和了解他。
(3) NLP預訓練模型。基於海量數據，進行超大規模網絡的無監督預訓練。具體的任務再通過少量的樣本進行Fine-Tune。這樣模式是目前NLP領域最火熱的模式，很有可能引領NLP進入一個全新發展高度。你怎麼不深入的了解？