关于开发自己的命名实体识别先期思路：
虽然网上有很多相关代码，但实际如何入门材料较少，故整理下：
CRF：先期可以用人民日报语料库去做，步骤如下:
https://blog.csdn.net/hudejun007/article/details/38820929 理解CRF++
http://www.jkeabc.com/303251.html 安装CRF++
http://zhuanlan.51cto.com/art/201705/540693.htm 工业界一个例子
https://github.com/lpty/nlp_base/tree/master/ner Github的一个例子
深度学习：基于TensorFlow的代码实现可以参考：https://github.com/zjy-ucas/ChineseNER
垂直命名实体识别：先期主要难度在于语料库的匮乏，可以参考医疗领域的命名实体https://github.com/fangwater/Medical-named-entity-recognition-for-ccks2017
（1）命名实体入门
CRF和LSTM 模型在序列标注上的优劣？
https://www.zhihu.com/question/46688107?sort=created
CRF和LSTM的比较
http://blog.csdn.net/lin370/article/details/52816197
深度学习主流方法：BiLSTM+CRF
入门参考：命名实体识别（NER）的二三事，
http://www.sohu.com/a/148858736_500659
基础却不简单，命名实体识别的难点与现状（垂直领域的难点在于标注预料的匮乏）
https://zhuanlan.zhihu.com/p/26782938
通俗理解BiLSTM-CRF命名实体识别模型中的CRF层
http://www.cnblogs.com/createMoMo/p/7529885.html
命名实体识别训练数据输入格式（需要把数据分词，标注然后根据标记体系标注BMEO成如下形式），然后使用CRF++或参考开源调研的代码：
海 O
钓 O
比 O
赛 O
地 O
点 O
在 O
厦 B-LOC
门 I-LOC
与 O
金 B-LOC
门 I-LOC
（2）命名实体识别开源调研如下：
1, https://github.com/Hironsan/anago
可以换成中文预料就可以训练，bidirectional LSTM + CRF
2，https://github.com/ljingsheng/Named-Entity-Recognition
语料来自人民日报预料，keras，LSTM
3，https://github.com/zjy-ucas/ChineseNER
bidirectional LSTM + CRF tensorflow（其中的conlleval代码可以用来评测命名实体识别结果，参考https://blog.argcv.com/articles/2104.c）
4, https://github.com/crownpku/Information-Extraction-Chinese/tree/master/NER_IDCNN_CRF
Chinese Named Entity Recognition using IDCNN/biLSTM+CRF TensorFlow
5, （优先阅读）https://github.com/Determined22/zh-NER-TF
BiLSTM-CRF TensorFlow 文章参考：http://www.cnblogs.com/Determined22/p/7238342.html
6, https://github.com/fangwater/Medical-named-entity-recognition-for-ccks2017
医疗领域命名实体 A LSTM+CRF model for the seq2seq task for Medical named entity recognition in ccks2017
7，达观数据如何打造一个中文NER系统（传统CRF）
CRF打造的命名实体系统
8，BILSTM-CRF在命名实体识别NER上的应用
https://github.com/guillaumegenthial/sequence_tagging
https://guillaumegenthial.github.io/sequence-tagging-with-tensorflow.html
https://mp.weixin.qq.com/s?src=11×tamp=1507706758&ver=445&signature=W71hFyMaaTnzLv5utt24BJQ9bSFndQzCDqFeg6Dg2ACdD0y3nlFDHNazDzzQees8VN21cbcUlXYBSN9AFJ7tNWX4ZJ2O-pj71Rhcc4ReX09HdLrk40whV09ojT9Jbsi*&new=1
9，CRF有用的Github
9.1，一个使用条件随机场的中文命名实体识别模型（用sklearn_crfsuite,用人民日报语料）
https://github.com/lpty/nlp_base/tree/master/ner
https://blog.csdn.net/sinat_33741547/article/details/79131223
9.2，CRF++ 实现中文分词 ( 有把分词转换为CRF格式的代码以及调用举例的特征模板）
http://www.stay-stupid.com/?p=224
https://github.com/ictlyh/CRFSegment
中文分词工具测评
http://rsarxiv.github.io/2016/11/29/%E4%B8%AD%E6%96%87%E5%88%86%E8%AF%8D%E5%B7%A5%E5%85%B7%E6%B5%8B%E8%AF%84/
http://sighan.cs.uchicago.edu/bakeoff2005/
重要：命名实体现有可用训练数据以及人民日报语料库
https://github.com/hltcoe/golden-horse/tree/master/data
有CRF PPT介绍 CRF++模型格式说明
http://www.hankcs.com/nlp/the-crf-model-format-description.html
