知识卡片
实体识别就是序列标注
NER 通常不直接“抽字符串”,而是给每个字打一个标签,再把标签拼回实体边界,这就是序列标注。常用标签集是 BMESO:B 表示实体开头,M 是中间,E 是结尾,S 是单独成词的单字实体,O 是非实体。以“中华人民共和国”为例,切成 中/B 华/M 人/M 民/M 共/M 和/M 国/E,解码时从 B 找到最近的 E 就还原出这个词。
与 BIO(B/I/O)相比,BMESO 多出的 S 让单字实体不必用 B、E 两个标签表示,一个标签就说明“既是开头也是结尾”,边界判定更直接;代价是标签多一类,转移约束也更多。
这样建模有两个好处。一是把变长的实体抽取变成定长的逐位分类,任何分类器都能接上;二是标签之间的转移天然编码了结构约束——“B 后面不能直接跟 O”“O 后面不能跟 M”。是否真的利用这层约束,正是 CRF 与逐位 softmax 的分水岭。属性抽取(如抽取“成立时间”的值)与实体抽取方法相同,所以常被合并讨论。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第3章 知识图谱相关理论 · 查看原书依据
使用BMESO作为序列标注的标准:B表示实体的开头,M表示实体的中间,E表示实体的结尾,S表示单一实体,O表示非实体部分。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第3章 知识图谱相关理论(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0044.html)
- 结论依据:原文给出 BMESO 五个标签的逐字定义,并示范了把字序列标注后再还原实体边界的做法。
- 原始内容:使用BMESO作为序列标注的标准:B表示实体的开头,M表示实体的中间,E表示实体的结尾,S表示单一实体,O表示非实体部分。