命名實體識別

命名實體識別是信息提取、問答系統、句法分析、機器翻譯、面向Semantic Web的元數據標註等應用領域的重要基礎工具，在自然語言處理技術走向實用化的過程中佔有重要地位。一般來説，命名實體識別的任務就是識別出待處理文本中三大類（實體類、時間類和數字類）、七小類（人名、機構名、地名、時間、日期、貨幣和百分比）命名實體。

通常包括兩部分：（1）實體邊界識別；（2） 確定實體類別（人名、地名、機構名或其他）。英語中的命名實體具有比較明顯的形式標誌（即實體中的每個詞的第一個字母要大寫），所以實體邊界識別相對容易，任務的重點是確定實體的類別。和英語相比，漢語命名實體識別任務更加複雜，而且相對於實體類別標註子任務，實體邊界的識別更加困難。

（1）漢語文本沒有類似英文文本中空格之類的顯式標示詞的邊界標示符，命名實體識別的第一步就是確定詞的邊界，即分詞；（2）漢語分詞和命名實體識別互相影響；（3）除了英語中定義的實體，外國人名譯名和地名譯名是存在於漢語中的兩類特殊實體類型；（4）現代漢語文本，尤其是網絡漢語文本，常出現中英文交替使用，這時漢語命名實體識別的任務還包括識別其中的英文命名實體；（5）不同的命名實體具有不同的內部特徵，不可能用一個統一的模型來刻畫所有的實體內部特徵。