null - 程序员宅基地

序列标注NER、POS、Chunking、SRL-程序员宅基地

序列标注

序列标注概念
NER
- NER标签类型
- NER序列标注的三种方法
POS
- POS标签类型
- POS详解标注
Chunking
- Chunking标签类型
SRL
- SRL标签类型

序列标注概念

序列标注（Sequence Tagging）是NLP中最基础的任务，应用十分广泛。
如以下内容：
分词
命名实体识别（Named Entity Recognition，NER）
词性标注（Part-of-Speech Tagging，POS tagging）
组块分析（Chunking）
N词汇顺序标注（N-gram）
关键词抽取
语义角色标注（Semantic Role Labeling，SRL）
槽位抽取（Slot Filling）
…

NER

NER主要识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。通常为待处理文本中三大类（实体类、时间类和数字类）、七小类（人名、机构名、地名、时间、日期、货币和百分比）命名实体。

通常包括两部分：

实体边界识别。
确定实体类别（人名、地名、机构名或其他）。

NER标签类型

进行命名实体识别时，通常需要对每个字进行标注，中文为单个字，英文为单词，空格分割。标注的标签类型如下表所示：

类型	说明
B	Begin，代表实体片段的开始
I	Internediate，代表实体片段的中间
M	Middle，代表实体片段的中间
E	End，代表实体片段的结束
S	Single，代表实体片段为单个字
O	Other，代表字符不为任何实体

NER序列标注的三种方法

实体识别三种常见的序列标注方法如下：

BIO：标识实体的开始，中间部分和非实体部分。
B-begin，I-inside，O-outside
B-X：代表实体X的开头
I-X：代表实体X的中间或结尾
O：代表不属于任何类型的

 我 O
 是 O
 张 B-PER
 某 I-PER
 三 I-PER
 ， O
 我 O
 在 O
 天 B-ORG
 安 I-ORG
 门 I-ORG
 。 O

BMES：增加S单个实体情况的标注。
B-begin，M-middle，E-end，S-single
B表示一个词的词首位值。
M表示一个词的中间位置。
E表示一个词的末尾位置。
S表示一个单独的字词。

 我 S
 是 S
 北 B
 京 M
 人 E

BIOSE：增加E实体的结束标识。
B-begin，I-inside，O-outside，E-end，S-single
B表示开始
I表示内部
O表示非实体
E表示实体尾部
S表示改词本身就是一个实体

POS

POS主要用于标记出待处理文本中每个词的词性。

POS标签类型

主要标注的标签类型如下表所示：

类型	说明	包含词性
N	名词	NN, NNP, NNPS, FW
V	动词	VB, VBD, VBG, VBN, VBP, VBZ
ADJ	形容词	JJ, JJR, JJS
ADV	副词	RB, RBR, RBS

POS详解标注

类型	说明
CC	Coordinating conjunction 连词
CN	Cardinal Number 基数
DT	Determiner 限定词（the、some）
EX	existential 存在句（there）
FW	外来词
IN	Preposision or subordinating conjunction 介词或从属连词
JJ	Adjective 形容词或序数词
JJR	Adjective, comparative 形容词比较级
JJS	Adjective, superlative 形容词最高级
LS	List item marker 列表标示
MD	Modal 情态助动词
NN	Noun, singular or mass 常用名词单数形式
NNS	Noun, plural 常用名词复数形式
NNP	Proper noun, singular 专有名词，单数形式
NNPS	Proper noun, plural 专有名词，复数形式
PDT	Predeterminer 前位限定词
POS	Possessive ending 所有格结束词
PRP	Personal pronoun 人称代词
PRP$	Possessive pronoun 所有格代名词
RB	Adverb 副词
RBR	Adverb, comparative 副词比较级
RBS	Adverb, superlative 副词最高级
RP	Particle 小品词
SYM	Symbol 符号
TO	to 作为介词或不定式格式
UH	Interjection 感叹词
VB	Verb, base form 动词基本形式
VBD	Verb, past tense 动词过去式
VBG	Verb, gerund or present participle 动名词和现在分词（ing）
VBN	Verb, past participle 过去分词
VBP	Verb, non-3rd person singular present 动词非第三人称单数
VBZ	Verb, 3rd person singular present 动词第三人称单数
WDT	Wh-determiner 限定词（如关系限定词：whose,which.疑问限定词：what,which,whose）
WP	Wh-pronoun 代词（who whose which）
WP$	Possessive wh-pronoun 所有格代词
WRB	Wh-adverb 疑问代词（how where when）

Chunking

组块分析是从非结构化文本中提取短语的过程。相对于POS-Tagging来说，POS-Tagging返回了解析树的最底层，就是一个个单词。但是有时候你需要的是几个单词构成的名词短语，而非个个单词，在这种情况下，您可以使用chunker获取需要的信息，而不是浪费时间为句子生成完整的解析树。举个例子(中文)：与其要单个字，不如要一个词，例如，将“南非”之类的短语作为一个单独的词，而不是分别拆成“南”和“非”去理解。

组块分析是可以接着词性标注工作继续完成，它使用词性标注作为输入，并提供分析好的组块做为输出。与词性标注的标签类似，它也有一组标准的组块标签，如名词短语（np）、动词短语（vp）等，当你想从诸如位置，人名等文本中提取信息时，分块是非常重要的。在NLP中，称为命名实体识别，举个例子“李雷的杯子”是分块分出的一个短语，而抽取“李雷”这个人名，就是命名体识别。所以，组块分析也是命名体识别的基础。

Chunking标签类型

NP（名词短语）：NP是NLP组块分析中最为复杂的一种结构。名词短语是指中心词为名词所构成的短语，其语法功能相当于名词性成分，一般可以在句子中充当主语、宾语、定语等。从语法的角度来讲，该结构具有两种含义，一种是值按句法成分构成的短语；另一种是指知识库中的实体和属性，这种组块称为baseNP。

VP（动词短语）：是以动词为中心，与其修饰、限定或并列成分共同构成的一种语义组块，除中心动词表达的行为之外，其修饰和限定成分更明确和具体化动作的语义。

QP（数词短语）：由数量词构成的短语结构。

DP（限定词短语）：一般用于修饰NP或限定QP，可以作为复合NP子结构。

ADJP（形容词短语）：其所修饰的名词中心语总是要先投射成一个NP。

DNP：由多种类型的短语加上（DEG的）构成。它们总是出现在NP的上下文中。（DEG的）出表示它前面的短语为NP的修饰语之外，没有其他作用。DNP常被看作一种复合的NP结构。

ADVP（副词短语）：常用作动词的修饰语。

PP（介词短语）

LCP：处所词为中心语的短语

SRL

语义角色标注是一种浅层语义分析技术，以句子为单位，分析句子的谓词-论元结构，不对句子所包含的语义信息进行深入分析。具体来说，语义角色标注的任务就是以句子的谓词为中心，研究句子中各成分与谓词之间的关系，并且用语义角色来描述他们之间的关系。
例：奥巴马昨晚在白宫发表了演说。
谓词 “发表”
施事 “奥巴马”
受事 “演说”
时间 “昨晚”
地点 “在白宫”

SRL标签类型

在这里插入图片描述

本文链接：https://blog.csdn.net/weixin_43820352/article/details/126823105

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次，点赞7次，收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案，在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建：添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体，挺好看的。注重颜值的网站都会使用，例如知乎：font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--method将表单中的数据传送给服务器处理，get方式直接显示在url地址中，数据可以被缓存，且长度有限制；而post方式数据隐藏传输，_html表单的处理程序有那些

PHP设置谷歌验证器（Google Authenticator）实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证（即Google Authenticator服务）后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次，点赞5次，收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节，实现了多层数据的堆叠，为用户提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制（CoW）策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的，不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次，点赞27次，收藏13次。网络拓扑结构是指计算机网络中各组件（如计算机、服务器、打印机、路由器、交换机等设备）及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式，也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数，兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次，点赞5次，收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时，通常的做法是：new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的，而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠，也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑，需要做一些额外的特殊处理，笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数，一劳永逸，避免每次ne_date.prototype 将所有 ios