实体识别

到目前为止，我们主要集中在一种NLP任务——分类。然而，还有其他一些可以通过神经网络完成的NLP任务。其中一个任务是**命名实体识别**（NER），它处理在文本中识别特定实体的问题，例如地点、人名、时间区间、化学公式等。

课前测验

使用NER的示例

假设你想开发一个自然语言聊天机器人，类似于亚马逊Alexa或谷歌助手。智能聊天机器人的工作方式是通过输入句子的文本分类来“理解”用户的需求。这种分类的结果被称为“意图”，它决定了聊天机器人应该做什么。

图片由作者提供

但是，用户可能会在句子中提供一些参数。例如，当询问天气时，她可能会指定一个地点或日期。聊天机器人需要能够理解这些实体，并相应地填充参数槽位，然后执行操作。这就是NER发挥作用的地方。

✅ 另一个例子是分析科学医学论文。我们需要查找的主要内容是一些特定的医学术语，如疾病和医疗物质。虽然一小部分疾病可能可以通过子串搜索提取出来，但更复杂的实体，如化学化合物和药物名称，则需要更复杂的方法。

NER作为标记分类

NER模型本质上是标记分类模型，因为对于每个输入标记，我们需要决定它是否属于某个实体，如果是的话，属于哪个实体类别。

考虑以下论文标题：

三尖瓣反流 和 碳酸锂 中毒 在新生儿中。

实体包括：

• 三尖瓣反流是一种疾病（DIS）
• 碳酸锂是一种化学物质（CHEM）
• 中毒也是一种疾病（DIS）

注意，一个实体可以跨越多个标记。在这种情况下，我们需要区分两个连续的实体。因此，通常会使用两个类别来表示每个实体——一个指定实体的第一个标记（常使用B-前缀，代表beginning），另一个表示实体的延续（I-，代表inner标记）。我们还使用O来表示所有other标记。这种标记方法称为BIO标记（或IOB）。标记后的标题如下所示：

由于我们需要在标记和类别之间建立一对一的关系，我们可以训练一个从这张图中右下角的多对多神经网络模型：

图片来自这篇博客文章，作者是Andrej Karpathy。NER标记分类模型对应于这张图中最右边的网络架构。

训练NER模型

由于NER模型本质上是一个标记分类模型，我们可以使用我们已经熟悉的RNN来进行此任务。在这种情况下，每个循环网络块将返回标记ID。下面的示例笔记本展示了如何训练LSTM进行标记分类。

✍️ 示例笔记本：NER

继续在下面的笔记本中学习：

• 使用TensorFlow的NER

结论

NER模型是一种标记分类模型，这意味着它可以用于执行标记分类。这是NLP中非常常见的任务，有助于识别文本中的特定实体，包括地点、名称、日期等。

挑战

完成下面链接中的作业，训练一个用于医学术语的命名实体识别模型，然后尝试在一个不同的数据集上使用它。

课后测验

复习与自学

阅读博客文章循环神经网络的不合理有效性，并按照该文章的进一步阅读部分深入学习。

作业

在本节课的作业中，你将不得不训练一个医学实体识别模型。你可以从训练一个如本文所述的LSTM模型开始，然后继续使用BERT变换器模型。请阅读说明以获取所有细节。

声明:
本文件灏天文库团队进行了翻译。尽管我们力求准确，但请注意，翻译可能包含错误或不准确之处。原文档以其原始语言为准。我们不对因使用此翻译而产生的任何误解或误译负责。