Keras命名体识别（NER）实战---自然语言处理技术

命名体识别（Name Entity Recognition）是自然语言处理(Nature Language Processing)领域中比较重要的一个任务，几乎百分之50的和文本处理有关的项目中都会涉及到命名体识别。笔者认为其中最关键的原因是：从广义的角度来讲，如果把一句话比作一串珍珠的话,命名实体就是这串珍珠项链中的珍珠，句子的其他部分是把珍珠串起来的线。

举个例子： "小明在1992年从哈佛大学毕业 "

其中小明，1992年，哈佛大学都是命名实体，而这些实体包含了这句话里面的极为重要信息：人物信息，时间信息，还有组织信息。而其他的词将这些实体串起来，才能表达出这句话完整的语义。

而在一些专业领域，比如化学，医药领域，经常出现一些四氧化三铁，阿尔兹海默症等专业词汇，如果只通过简单的分词很难将这些重要的关键词汇识别出来。而在这样的场景下，NER就能发挥出它的威力了。

总而言之，NER 的任务就是要将这些包含信息的或者专业领域的实体给识别出来。这个过程是不是很像在一串珍珠项链里面识别出宝贵的珍珠（这个比喻笔者觉得只能算凑合）。

NER任务简介

NER是一个序列标注任务，和分词，词性标注的任务属同一类。任务的输入是一串序列，输出也是一串序列。例子如下：
输入：[北，京，天，气，真，不，错]
输出：[1,2,0,0,0

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/107332892