命名实体识别

到目前为止，我们主要集中在一个自然语言处理（NLP）任务——分类。然而，神经网络还可以完成其他的NLP任务，其中之一就是**命名实体识别**（NER），它处理的是识别文本中的特定实体，例如地点、人物姓名、日期时间区间、化学式等等。

课前测验

使用NER的示例

假设你想开发一个类似于亚马逊Alexa或谷歌助手的自然语言聊天机器人。智能聊天机器人的工作方式是通过对输入句子进行文本分类来“理解”用户的需求。分类的结果是所谓的意图，它决定了聊天机器人应该执行什么操作。

图片由作者提供

然而，用户可能会在短语中提供一些参数。例如，当询问天气时，她可能会指定一个地点或日期。机器人应该能够理解这些实体，并在执行操作之前相应地填充参数槽。这正是NER的作用所在。

✅ 另一个例子是分析科学医学论文。我们需要寻找的主要内容是特定的医学术语，例如疾病和药物成分。虽然少量疾病可能可以通过子字符串搜索提取，但更复杂的实体，例如化学化合物和药物名称，则需要更复杂的方法。

NER作为标记分类

NER模型本质上是标记分类模型，因为对于每个输入标记，我们需要决定它是否属于某个实体，如果属于，则属于哪个实体类别。

考虑以下论文标题：

三尖瓣反流和碳酸锂在新生儿中的毒性。

这里的实体是：

• 三尖瓣反流是一种疾病（DIS）
• 碳酸锂是一种化学物质（CHEM）
• 毒性也是一种疾病（DIS）

注意，一个实体可能跨越多个标记。而且，如本例所示，我们需要区分两个连续的实体。因此，通常为每个实体使用两个类别——一个指定实体的第一个标记（通常使用B-前缀，表示开始），另一个表示实体的延续部分（I-，表示内部标记）。我们还使用O作为类别来表示所有其他标记。这种标记标注称为BIO标注（或IOB）。标注后的标题如下所示：

标记	标签
三尖瓣	B-DIS
反流	I-DIS
和	O
碳酸	B-CHEM
锂	I-CHEM
毒性	B-DIS
在	O
新生儿	O
中	O
的	O
毒性