命名实体识别（Named Entity Recognition）

命名实体识别（Named Entity Recognition，简称NER），又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。

NER能够应用在很多领域，是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具，在自然语言处理技术走向实用化的过程中占有重要地位。

一般来说，命名实体识别的任务就是识别出待处理文本中三大类（实体类、时间类和数字类）、七小类（人名、机构名、地名、时间、日期、货币和百分比）命名实体。

NER的主要研究内容分为两个部分：（1）实体边界识别；（2） 确定实体类别（人名、地名、机构名或其他）。

英语中的命名实体具有比较明显的形式标志（即实体中的每个词的第一个字母要大写），所以实体边界识别相对容易，任务的重点是确定实体的类别。和英语相比，汉语命名实体识别任务更加复杂，而且相对于实体类别标注子任务，实体边界的识别更加困难。（所以发现中国ITer真心不容易，学习所有编程都要附加再学一套“编码问题如何解决”的技能；在NLP中又要为分词、实体边界识别花费大部分精力；有时候还得考虑简体、繁体的字符集成与规约。这些老外都不用劳心的。。）

总结NER的难点：

（1）汉语文本没有类似英文文本中空格之类的显式标示词的边界标示符，命名实体识别的第一步就是确定词的边界，即分词；

（2）汉语分词和命名实体识别互相影响；（

3）除了英语中定义的实体，外国人名译名和地名译名是存在于汉语中的两类特殊实体类型；

（4）现代汉语文本，尤其是网络汉语文本，常出现中英文交替使用，这时汉语命名实体识别的任务还包括识别其中的英文命名实体；

（5）不同的命名实体具有不同的内部特征，不可能用一个统一的模型来刻画所有的实体内部特征。

目前在中文词性标注（Part-of-speech Tagging)方面做的比较好的有：

哈工大的LTP:

http://ir.hit.edu.cn/demo/ltp/Sharing_Plan.htm

中科院的ICTCLAS:

http://www.nlp.org.cn/project/project.php?proj_id=6

Stanford的"Stanford POS Tagger":

http://nlp.stanford.edu/software/tagger.shtml

其中Stanford可以支持中文和英文的词性标注，它也有一个基于“条件随机场”算法的中文分词模块:

http://nlp.stanford.edu/software/segmenter.shtml

而哈工大在命名实体识别上据说是做得最好的，中科院的ICTCLAS有详细的文档并且有开源版本。

中科院有一篇基于HMM的NER的论文，可以参考一下：

http://cpfd.cnki.com.cn/Article/CPFDTOTAL-ZGTH200508007027.htm