命名实体识别

         命名实体识别（NE）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 。

　　命名实体识别是信息提取、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。其中人名、地名、组织机构名是最常用到的三种。

　　命名实体识别的过程通常包括两部分： （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。

　　汉语命名实体识别的难点主要存在于：

（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。

       组织机构名识别的四大难点：1、中文机构名的用词十分广泛。2、长度极其不稳定。3、含有大量其他的命名实体，其中不乏未登录的地名。4、大多数机构名称都有其简称，简称规则使得难度加大。

http://jhx0129.blog.163.com/blog/static/17897057200852751212473/

汉语分词、词性标注、命名实体识别