NER命名实体识别
命名实体识别（Named Entity Recognition，简称NER），又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。简单的讲，就是识别自然文本中的实体指称的边界和类别。
实体识别方法的发展史
NER的关键：在进行实体识别的过程中，有两个问题是十分关键的：实体边界的确认；实体类别的判断
所谓实体边界的确认，指的是对一个句子中的实体词进行正确的划分，例如在句子“黄黄被清华大学录取”中，一个好的识别算法必须将实体词“黄黄”进行正确的标记，而不是在其它的位置进行划分；所谓实体类别的判断，仍以上例说明，算法必须判定“黄黄”为人名实体，而不是其它类型的实体。
标记对于实体边界确认的重要性不言而喻，通常的方法有B-I-O，但是这种方法实体的末尾字不容易得到区分；另一种相对复杂的表示方法为B-M-E-S-O，B表示begin，M表示middle，E表示end，S表示实体只有一个字时的标记single，O表示other非实体字
目前比较主流的方法是 lstm+crf及其变体
接下来要深入研究的是 embedding crf lstm
以下为参考文章:
https://blog.csdn.net/SunJW_2017/article/details/82460284
http://blog.itpub.net/69946223/viewspace-2657672/
