邓依依,邬昌兴,魏永丰,万仲保,黄兆华

(华东交通大学 软件学院，江西 南昌 330013)

0 引言

随着数据的爆炸式增长，人工从海量的文本中寻找有用的信息无疑是一项费时费力的任务，因此信息抽取研究应运而生。作为其关键技术之一的命名实体识别(Named Entity Recognition,NER)多年来受到学术领域和工业界的广泛关注。命名实体识别同时也是众多自然语言处理(Natural Language Processing,NLP)应用的基础，如实体关系抽取、知识图谱构建和智能问答等。

命名实体识别任务旨在从非结构化的文本中自动识别出所需的实体，并将其标记为预定义的类别，例如人名、地名和组织机构名等。该任务于1995年在第六届MUC(the Sixth Message Understanding Conference，MUC-6)会议上首次被提出[1]。随后，命名实体识别的研究在不同语言和不同领域中得到广泛开展，关注的实体从人名等通用实体扩展到包含疾病名等领域特定实体，实体类别的数量从几种到上百种不等。表1列出了英语和汉语中常用于NER模型训练和性能评估的数据集。这些数据集来自新闻、财经和生物医学等领域，涉及的文体包括规范的新闻文本、维基百科文本和用户生成网络文本等。从当前的研究情况来看，虽然大量的研究工作针对语料资源丰富的语言(例如，英语)和领域(例如，生物医学)展开，但近年来低资源语言和领域的命名实体识别受到越来越多的关注，而汉语命名实体识别则一直受到国内研究人员的高度重视。从识别性能来看，基于深度学习的命名实体识别方法在规范的文本上(如CoNLL2003数据集[2])识别人名、地名和机构名的F1值达到了93.3%[3]，可以满足基本应用的要求。……