什么是命名实体？NER 在 NLP 任务中有何用处？

命名实体（Named Entity）：文本中指代特定对象、事件或数量的短语，如「苹果公司」「2024 年」「北京市」；

NER 任务：给定文本，输出实体边界（span）+ 类型标签

命名实体（Named Entity）：文本中指代特定对象、事件或数量的短语，如「苹果公司」「2024 年」「北京市」。

NER 任务：给定文本，输出实体边界（span）+ 类型标签。常用 BIO 标注：B-PER 实体开始、I-PER 内部、O 非实体。

实体类型

• 通用：PER（人）、ORG（机构）、LOC（地点）、DATE、MONEY
• 领域定制：药品名、产品型号、法律条款（需自定义 schema）

方法

• 规则 + 词典（高精确、低召回）
• CRF / BiLSTM-CRF
• BERT + 线性层（当前主流）
• LLM 提示抽取（灵活但需校验）

应用价值

1. 知识图谱：关系抽取 的前置
2. 搜索增强：实体链接提升 query 理解
3. 金融/医疗合规：自动标出当事人、药物、诊断
4. 简历/合同解析：结构化字段入库

详见 信息抽取。