中文命名实体识别研究综述

作者：赵继贵; 钱育蓉; 王魁; 侯树祥; 陈嘉颖

来源：计算机工程与应用, 2024, 60(01): 15-27.

DOI：10.3778/j.issn.1002-8331.2304-0398

• 自然语言处理
• 中文命名实体识别
• 深度学习
• 预训练模型
• 机器学习

命名实体识别（named entity recognition,NER）是自然语言处理中最基本的任务之一，其主要内容是识别自然语言文本中具有特定意义的实体类型和边界。然而，中文命名实体识别（Chinese named entity recognition,CNER）的数据样本存在词边界模糊、语义多样化、形态特征模糊以及中文语料库内容较少等问题，导致中文命名实体识别性能难以大幅提升。介绍了CNER的数据集、标注方案和评价指标。按照CNER的研究进程，将CNER方法分为基于规则的方法、基于统计的方法和基于深度学习的方法三类，并对近五年来基于深度学习的CNER主要模型进行总结。探讨CNER的研究趋势，为新方法的提出和未来研究方向提供一定参考。

• 单位
  中国科学院大学; 新疆大学