先贴一篇别人的文章，下面的内容主要是借鉴别人的文章，然后加一点自己各方面的理解
NER调研报告
NER的工作主要分成两个步骤：
1.识别出实体的边界
对于给定的某句话，识别出其中每个实体的start和end的位置，即分词
2.给每个实体分类
目前普遍分为7类：人名、地名、机构、时间、日期、货币、百分比，但在某些特殊的领域，类别是不一样的，比如生物医学领域，通常分为：基因、蛋白质、疾病、化合物、DNA
NER研究进程：
NER发展趋势
1.基于规则和词典的方法
- 构建词典
词典的构建和规则的构建 - 标注序列
- 识别实体
- 特征工程
- 机器学习的方法
如果从模型的学习任务上来分：
-
有监督
半监督
-
迁移学习
ELMo模型
ELMo模型主要是提出了一种新的训练词向量的方法，使训练出来的词向量包含1）上下文的语法、语义等信息 2）随着上下文的变化词向量也会变化（解决了多义词的问题）
deep bidirectional language model(biLM)
多层双向LSTM
image.png
image.png
