实体识别

文档摘要

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。