命名实体识别
- 示例代码
- 输入 & 输出说明

命名实体识别¶

命名实体识别任务通常缩写为 ner (Named Entity Recognition)，它对应了OKNLP工具包的ner子模块。在OKNLP工具包中目前支持了基于 BERT 的算法，可以使用 oknlp.ner.get_by_name 来创建它。

在这篇文档中，我们主要将介绍命名实体识别工具的基本用法。

示例代码¶

>>> import oknlp
>>> model = oknlp.ner.get_by_name("bert")
>>> result = model([
...   "我爱北京天安门",
...   "天安门上太阳升"
... ])
>>> result
[[{'type': 'LOC', 'begin': 2, 'end': 4}, {'type': 'LOC', 'begin': 4, 'end': 7}], [{'type': 'LOC', 'begin': 0, 'end': 3}, {'type': 'LOC', 'begin': 4, 'end': 6}]]

输入 & 输出说明¶

命名实体识别任务的输入是一个句子，输出是实体的列表。每个实体都用一个Python的字典来表示，它包含了以下三个字段：

type: 表示实体的类型，它通常有 PER 、 ORG 、 LOC 三种类型，分别表示“人”、“组织”和“地点”。
begin: 实体在原句中的起始位置，下标从0开始。
end: 实体在原句中的起始位置，下标从0开始。

在这些字段中，实体的位置是用一个左闭右开的区间来表示的，即 \([begin, end)\) 。