其實在自然語言處理（NLP）裡面，有一個任務叫做 Named Entity Recognition（NER，中文譯作命名實體辨識或是專有名詞識別）。

NER 的本質就是一個 Supervised（監督式）的序列標註任務：我們要判斷句子中每個詞是不是實體，並且標上對應的類別。

像我們這幾天講的機器學習模型（Naive Bayes、Decision Tree）就可以作為基礎應用到 NER 上，以下就來介紹 **Named Entity Recognition （命名實體辨識）**～

NER 定義

• NER 又叫做 Entity Chunking 或是 Entity Extraction
• NER的任務，就是從非結構性（unstructured）的文本裡面，辨識出特定的區塊（chunks），然後再將他們分類成事先定義過的實體（entity）類別
• NER可以看作是無結構性文本跟有結構性資料之間的橋樑，讓機器可從茫茫大海中篩出經過分類的資料
• 常見的實體類別包含：
  • Person（人名）
  • Location（地名）
  • Organization（組織）
  • Date/Time（時間）
  • ...
    → 也可根據任務需求自訂類別

👉🏻 簡單來說：NER 就是把文字資料「結構化」，讓機器能理解其中的關鍵資訊

舉例

這邊有一句話：

今天我去了百貨公司吃了牛肉麵。

我們可以辨識出的命名實體包含：

• 今天（時間）
• 我（人物）
• 百貨公司（地點）
• 牛肉麵（食物）

功用為何？

• NER 是 NLP 任務的基礎之一，因為它能把文字轉換成結構化的資料和資訊
• 它的應用包含：
  • 知識圖譜 (Knowledge Graph)
  • 關係抽取 (Relation Extraction)：先有實體，再判斷關係
  • 事件抽取 (Event Extraction)：找出「人物、地點、動作」
  • 問答系統 (Question and Answering)
  • 機器翻譯（Machine Translation）

NER 的方法

1. Rule-Based Methods

• 事前制定規則
• 使用 Regular Expressions (正規表示式) 或是根據一些語言的規律並建立 Dictionaries，來辨識並分類命名實體（named entites）
• 優點：在主題單一的文本裡面表現會比較好，因為在固定領域（例如醫學）裡面，這些 named entities 比較容易窮舉
• 缺點：比較沒有彈性，難以應用在不同場景下

2. Statistical Methods

• 利用序列模型，從資料中學習出實體標籤，像是HMM (Hidden Markov Model)、CRF (Conditional Random Field)
• 優點：比 Rule-Based 的應用能力強
• 缺點：需要標記資料，費功夫。

3. Supervised Learning 監督式學習

• 把 NER 視為 逐詞序列標註 (word-by-word sequence labeling)。

• 從傳統機器學習模型（Machine Learning Model）到深度學習模型（Deep Learning Model）

小結

NER 作為 Information Extraction 的基礎，可以應用在知識圖譜、關係抽取、事件抽取、問答系統等任務上。它可以把非結構性的文本轉化為有結構的資訊，可以幫助後續更進階的 NLP 任務。