深度学习命名实体识别综述

命名实体识别(NAR)是从人、位置、组织等预定义语义类型的文本中识别刚性标识符的任务。NER一直是许多自然语言应用的基础，如问答、文本摘要和机器翻译等。早期的NER系统在设计特定领域的特征和规则时付出了人力工程的代价，在取得良好性能方面取得了巨大的成功。近年来，深度学习通过连续的实值向量表示和通过非线性处理的语义合成，被应用于NER系统中，产生了最先进的性能。本文对现有的深度学习技术进行了全面的综述。我们首先介绍了NER资源，包括标记的NER语料库和现成的NER工具.然后，我们根据三个轴对现有作品进行了系统的分类：输入的分布式表示、上下文编码器和标记解码器。接下来，我们综述了在新的NER问题设置和应用中最近应用的深度学习技术中最具代表性的方法。最后，我们向读者介绍了NER系统面临的挑战，并概述了这一领域未来的发展方向。
http://link.zhihu.com/?target=https%3A//arxiv.org/abs/1812.09449