命名实体识别（Named Entity Recognition，NER）

命名实体识别（Named Entity Recognition，NER）

命名实体识别（NER）其目的是识别语料中人名、地名、组织机构名等命名实体，识别文本中具有特定意义的实体。它是自然语言处理实用化的重要内容，在信息提取、句法分析、机器翻译等应用领域中具有重要的基础性作用。命名实体识别一 方面要识别实体边界，另一方面要识别实体类别（人名、地名、机构名或其他）。就汉语系统来讲，确定实体边界主要和分词相关，发现命名实体的基本方法，一般 首先找一些与定义相关的特征词，例如：什么是XX，XX是什么，这是XX。找到具有这样模式的查询串后，即可以在查询日志中通过频率统计等方法，找到命名 实体。这里重点讨论第二方面的内容，即类别识别。

之所以会用查询日志来进行命名实体的类别识别，是因为命名实体的类别并非是一个封闭集，而是一个不断变化着的集合。一个命名实体，随着时间的变化， 往往会具有不同的属性。以大家熟悉的"哈利·波特"为例，它开始是一部小说，然后又推出了同名的电影，后来还出了游戏，而这一过程是随着时间变化的，也就 是说在不同时间段，这些类别在用户查询需求中受关注程度是不一样的。（摘自博客）

跨语言命名实体识别（Cross-lingual Named Entity Recognition）

根据论文2017 EMNLP中“Learning how to Active Learn: A Deep Reinforcement Learning Approach”，基于强化学习设计主动学习算法，解决NLP中数据标记问题，由于Low-resource language标记十分难以获取，所以该算法先在源语言上学习选择策略，再转换到目标语言。使用跨语言命名实体识别来证明该算法。