知识卡片

普通读书笔记卡 · 6644.a.1.cn · 生成模型:未记录

实体识别同时判断边界与类型

理解等级:中级

NER要找文本中的实体跨度并分类,如人、地点、组织;标签集取决于具体任务,可能还含时间、数值等。它不等于只收专有名词,也不等于已把名字链接到现实唯一对象。12类IIIT标签、Stanford三类和NLTK细分类是不同设计,不能混用标签名就直接比较准确率或宣称覆盖相同。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第6章 语义分析:意义很重要,spine060单元003;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00059.html。 - 结论依据:原文同时列12类、Stanford PERSON/LOCATION与NLTK PERSON/GPE/ORGANIZATION,支持任务标签约定与跨度类型二要素。未在本机运行示例或改变环境。 - 原始内容:6.1.1 NER简介 命名实体识别(Named entity recognition,NER)是定位文档中的专有名词或命名实体的过程。而且,这些命名实体被分成了不同的类别,例如人名、地名、机构名等。 由I