Named-Entity Recognition

释义（Definition）

命名实体识别（常缩写 NER）：一种自然语言处理任务，用来在文本中找出并标注“专有名称”类信息，例如人名、地名、组织机构名、时间、金额等，并通常给出它们的类别标签。

发音（Pronunciation, IPA）

/ˌneɪmd ˈɛntɪti ˌrɛkəɡˈnɪʃən/

例句（Examples）

I’m learning named-entity recognition to find names in news articles.
我在学习命名实体识别，用来在新闻文章里找出人名等专有名称。

Named-entity recognition helps a search system understand that “Apple” can be a company rather than a fruit, depending on context.
命名实体识别能帮助搜索系统理解“Apple”在不同语境中可能是“苹果公司”而不是水果。

词源（Etymology）

该术语由三部分构成：named（被命名的/有名称的）+ entity（实体，指可被当作一个“对象”的事物）+ recognition（识别）。在信息抽取与计算语言学领域中逐渐固定为专门术语，用来描述“从文本中识别并分类专名实体”的过程。

相关词（Related Words）

• Entity
• Information Extraction
• Tokenization
• Part-of-Speech Tagging
• Chunking
• Coreference Resolution
• Gazetteer
• Knowledge Graph

文献与著作中的用例（Notable Works）

• Speech and Language Processing（Dan Jurafsky & James H. Martin）——在信息抽取/序列标注相关章节讨论NER等任务。
• Foundations of Statistical Natural Language Processing（Christopher D. Manning & Hinrich Schütze）——涉及统计方法背景下的实体识别与相关技术。
• Natural Language Processing with Python（Steven Bird, Ewan Klein, Edward Loper）——介绍用工具进行NER的实践示例与概念。
• Neural Network Methods in Natural Language Processing（Yoav Goldberg）——在神经网络方法语境下涉及序列标注任务（含NER）的核心思路。