【NLP】序列标注问题？如何处理词中间的“的”等不相干符号？BIESO标注结构？未解决

【问题描述】

　　如何对以下序列进行标注，并完成NER的命名实体识别任务？

　　“通过检测烟雾的浓度来实现blabla……” 想要提取的是“检测烟雾浓度”这个词。

---

 

　　【字级别标注】

　　（1）——通(O)过(O)检(B)测(I)烟(I)雾(E)的(O)浓(B)度(E)来(O)实(O)现(O)blabla……

　　　　以上标注只能识别出“检测烟雾”和“浓度”这两个词，将目标“检测烟雾浓度”分开了，所以不对。

　　

　　（2）——通(O)过(O)检(B)测(I)烟(I)雾(I)的(O)浓(I)度(E)来(O)实(O)现(O)blabla……

　　　　据说这种标注方式，即把“I”后面接除了“I”或者"E"之外的字母，是不允许的。因为CRF的约束条件中，就约束了BIESO这几个标签的前后关系，其中'I'后面不能接"O"或者“S”？

　　　　所以，需要改动CRF的约束条件？这部分没想明白，应该要去深入了解一下CRF原理。

 

　　【词级别标注】

　　首先是对句子分词：

　　　　通过| 检测| 烟雾| 的| 浓度| 来| 实现| blabla

　　标注：

　　（1）——通过（O）| 检测（B）| 烟雾（E）| 的（O）| 浓度（S）| 来（O）| 实现（O）| blabla（O）

　　　　和字级别的标注问题一样，把检测烟雾和浓度分开了，不是想要的结果。

　　

　　（2）——通过（O）| 检测（B）| 烟雾（I）| 的（O）| 浓度（E）| 来（O）| 实现（O）| blabla（O）

　　　　和字级别的标注问题一样，BIE标签顺序中，“I”后面智能接“I”/“E”，不能接“O”。？？？

 

 

 

---

 

【参考】

【https://www.cnblogs.com/jiangxinyang/p/9368482.html】【这篇讲得很好 但和我的问题不相关】

 

 

【实践/解决】

 

 

【待补充】