Python系列：NLP系列二：命名实体识别（NER）、用深度学习实现命名实体识别（NER）

命名实体识别（NER）、用深度学习实现命名实体识别（NER）

• 一. NLP入门（四）命名实体识别（NER）
• 二 .NLP入门（五）用深度学习实现命名实体识别（NER）
• • • 前言
    • 项目配置
    • 数据探索
    • 建模
    • 模型训练
    • 模型预测
    • 总结
    • 参考文献

---

一. NLP入门（四）命名实体识别（NER）

本文将会简单介绍自然语言处理（NLP）中的命名实体识别（NER）。
  命名实体识别（Named Entity Recognition，简称NER）是信息提取、问答系统、句法分析、机器翻译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。
  举个简单的例子，在句子“小明早上8点去学校上课。”中，对其进行命名实体识别，应该能提取信息

人名：小明，时间：早上8点，地点：学校。

本文将会介绍几个工具用来进行命名实体识别，后续有机会的话，我们将会尝试着用HMM、CRF或深度学习来实现命名实体识别。
  首先我们来看一下NLTK和Stanford NLP中对命名实体识别的分类，如下图：