1 序列標注

序列標注（Sequence labeling）NLP問題中的基本問題。在序列標注中，我們想對一個序列的每一個元素標注一個標簽。一般來說，一個序列指的是一個句子，而一個元素指的是句子中的一個詞。

1.1 原始標注與聯合標注

序列標注一般可以分為兩類：

1、原始標注（Raw labeling）：每個元素都需要被標注為一個標簽。

2、聯合標注（Joint segmentation and labeling）：所有的分段被標注為同樣的標簽。

2 命名實體識別 NER （named entity recognition）

????????命名實體識別（Named entity recognition， NER）是信息提取問題的一個子任務，需要將元素進行定位和分類，如人名、組織名、地點、時間、質量等。

舉個NER和聯合標注的例子。一個句子為：Yesterday , George Bush told a lie. 其中包括一個命名實體：George Bush。我們希望將標簽“人名”標注到整個短語“George Bush”中，而不是將兩個詞分別標注。這就是聯合標注。

2.1 BIO 標注

? ? ? ? 如果不想用聯合標注進行NER的話，可以使用BIO標注

? ? ? ? BIO標注：將每個元素標注為“B-X”、“I-X”或者“O”。

• “B-X”表示此元素所在的片段屬于X類型并且此元素在此片段的開頭
• “I-X”表示此元素所在的片段屬于X類型并且此元素在此片段的中間位置
• “O”表示不屬于任何類型。

2.1.1 BIO標注舉例

?比如，我們將 X 表示為名詞短語（Noun Phrase, NP），則BIO的三個標記為：

（1）B-NP：名詞短語的開頭

（2）I-NP：名詞短語的中間

（3）O：不是名詞短語

?? 因此可以將一段話劃分為如下結果;

?? ? 我們可以進一步將BIO應用到NER中，來定義所有的命名實體（人名、組織名、地點、時間等），那么我們會有許多 B 和 I 的類別，如 B-PERS、I-PERS、B-ORG、I-ORG等。然后可以得到以下結果：

?

總結

以上是生活随笔為你收集整理的NLP 笔记： 序列标注与BIO标注的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。