(项目周小结：11/11 – 11/15)初识NER和依存句法分析

本周了解并且学会使用hanlp中NER的使用，看书学习了NER底层的三种实现模型(结构感知机、CRF和HMM)，最后构建NERcognizer（三个参数分别是分词器，pos，NER器）

hanlp中的NER相对于分词和POS主要解决的是识别专有复合名词的问题，所以一开始打算实体识别的时候，首先考虑的是，如果要求的输出中没有很多的复合名词，那么我们就不需要使用NER模块，只用分词和pos做结合自己标注的词性就可以了。所以我一开始考虑的是构建一个公司内部的专用语料库，结合原来的语料库来训练自己的NER，但是这一想法被boss给否定了，他认为优先不应该考虑语料库，hanlp是基于很多语料库训练过的，所以能很好的识别各种复合名词，后来截取内网文章的内容来识别效果还可以。但是这里自己还是不太能理解语料库训练这件事情，到底是怎么个流程。

Boss给我的指导是，现在我做的属于基于依存关系的实体关系抽取，然后去看了hanlp中句法分析的相关内容，只是调用API的话还是很easy的，下一步要去探索的问题是怎样利用抽取出来的实体关系表格（CoNLL-U/CoNLL格式）来获取三元组，然后这个三元组该以什么样的形式去存储，以便于之后能直接导入到Dgraph中去处理。

现在可以用一个小文本将整个流程跑通，然后再从工程角度去解决问题。

 

疑惑点：

1、hanlp的句法分析不但可以识别出词之间的关系，还可以识别出文本中的实体，这是否意味着句法分析模块完全可以替代词法分析？

2、hanlp的语料库到底该咋训练？ 

 

算法:

1、  NER中的HMM和CRF

2、  句法分析中的基于依存关系分析