命名实体识别：找出文本里的“关键角色”

命名实体识别（NER）从文本中挑出人名、地名、机构名、时间等关键实体。它是信息抽取、知识图谱构建、搜索引擎理解查询的基础，几乎每个文本系统都用得到。

NER 的价值在于“让文本可计算”。一篇新闻读完后，机器知道了涉及哪些公司、哪些人、哪些地点——这些实体就是后续一切分析、关联、推理的地基。信息提取，是数据世界的建筑工程。

## 核心要点

图片来源：Openverse / qubodup（https://www.flickr.com/photos/21051491@N02/15204156909）

1. 中文 NER 需要先解决分词，错误会级联传播。

2. 嵌套实体（“北京大学信息科学技术学院”）是难点。

3. BiLSTM-CRF 曾是经典架构，现在 BERT 类模型主导。

4. 它是从非结构化文本到结构化数据的关键桥梁。

图片来源：Openverse / fabola（https://www.flickr.com/photos/44124339301@N01/25165014515）

## 写在最后

以上是关于「命名实体识别」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。