用深度学习做命名实体识别(一)：什么是命名实体识别？

上一个深度学习系列介绍了如何检测出图片或视频中的物体，本深度学习系列将介绍如何从文章中提取出我们关注的实体，比如提取文章中出现的人名、地址、产品、时间等实体。本文做为该系列的第一篇文章，会先呈现一下命名实体识别的效果，然后给大家介绍几个概念。

识别效果

 

 

 

 

 

如上图所示，请求体中是要提取实体的句子，也可以是短文，接口返回的就是句子中识别出来的各种实体。

要实现以上的效果，还得先从了解以下内容开始。

 

什么是命名实体识别？

从一句话中识别出人名，地名，组织名，日期时间，这就是命名实体识别的一个例子，而人名，地名等这些被识别的目标就是命名实体。当然命名实体还可以是很多其它有意义的目标，比如产品，公司，专有名词等等。

 

什么是文本数据标注？

了解过机器学习的朋友都知道，无论是传统的机器学习还是深度学习，大多数情况都是在做监督学习，也就是需要大量标注好的数据做为训练样本，那么这里，如果希望机器能识别出人名，地名，就必须事先给机器看看在一句话中，什么是人名，什么是地名，当然只看一句话是远远不够的，一般来说，至少也要上千句话才可以。这些句子都是需要人工来标注的，而标注出这些句子中的命名实体的过程，称为"文本数据标注"。

 

怎么做文本数据标注？

数据标注，最粗暴的方式，就是直接在word、txt等文档里标注，比如像下面这样：

此次{{location:中国}}个展，{{person_name:苏珊}}将与她80多岁高龄的父亲一起合作，哼唱一首古老的{{location:威尔士}}民歌{{product_name:《白蜡林》}}。届时在{{location:画廊大厅}}中将安放6个音箱进行播放，艺术家还特意回到家乡{{location:格拉斯哥}}，同父亲一起在{{org_name:中国音乐学院}}里为作品录制了具有{{location:中国}}元素的音乐片段。

但是这样做有以下弊端：

• 白底黑字，密密麻麻，很快就会看花眼了，很容易标注错误，比如少个符号什么的；
• 无法多人协同标注。

因此，已经有很多大牛们研发了许多协助标注文本的工具，其中一个笔者觉得比较好用的工具——brat，将在下一篇文章《用深度学习做命名实体识别(二)：文本标注工具brat》中介绍。

 

ok，本篇就这么多内容啦~，感谢阅读O(∩_∩)O，88~