在NLP中，命名实体识别（Named Entity Recognization，NER）是一个非常重要的任务，比如信息抽取中，NER是第一步，首先识别出文本中的命名实体。在问答系统中，尤其是任务导向的问答或KBQA的第一步是就是命名实体识别，识别出实体在做下一步的槽填充。
命名实体是什么？
NER主流的算法是什么？
NER的metric是怎么定义的？
- 当使用基于Bert的bilstm-crf模型时，存在文本序列与标签序列不对应的问题，TODO.
参考github：
- CLUENER 细粒度命名实体识别
- Chinese NER using Bert 基于pytorch介绍了bert+crf，bert+softmax，bert+span三种模型，数据集是bmes和cluener2020的数据集
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/9793.html