命名实体识别：用于新实体/最新实体

Question

很抱歉这个奇怪的“问题标题”，但我想不出一个合适的标题。在

我不熟悉NLP概念，所以我使用了NER demo（http://cogcomp.cs.illinois.edu/demo/ner/results.php）。现在的问题是，“如何以及以什么方式”我可以使用NER做的这些标记。我的意思是，从这些已标记在特定组中的命名实体（位置、人员、组织等）中可以得出什么答案或推论。如果我有一个数据，其中有全新的公司、地点等名称，那么我该如何为这样的数据做这些标记？在

请不要投否决票或阻止我，我只需要指导/专家的建议就这样。阅读一个概念是另一回事，而能够知道何时何地应用它是另一回事，这也是我寻求指导的地方。多谢了！！！在

来自演示：-在

狗已经在货物区使用了一段时间，但最近才被引入 LOC Newark和LOC JFK机场的乘客区。LOC JFK有一只狗，LOC Newark有一只狗 一把，每法布斯蒂说。在

Answer 1

我认为你的问题有两个部分：

净入学率的目的是什么？

这是一个巨大的问题，通常用于信息检索（IR）任务，如索引、文档分类、知识库填充（KBP），但也有许多其他任务（语音识别、翻译）。。。很难找出一份详尽的清单。。。在

如何扩展我们也能识别新的/未知的实体？

例如，我们如何识别从未被NER系统发现的实体。一目了然，有两种解决方案可能奏效：

• 假设你有一些链接的数据库定期更新：而系统可能依赖于通用类别。例如，假设“玛丽娜·席尔瓦”出现在新闻中，现在被添加到与“政治家”相关的词汇中。因为这个系统知道每个政客都应该被标记为一个人，也就是说，不依赖词汇项而是类别，因此会将“Marina Silva”标记为PERS命名的实体。你不需要重新训练整个系统，只是为了更新它的词典。在
• 利用形态学和上下文线索，系统可以猜测从未见过（也不在词典中）的新命名实体。例如，像“总统候选人XXX YYY”（或“Marina YYY”）这样的规则将猜测“XXX YYY”（或仅“YYY”）是PERS（或PERS的一部分）。大多数情况下，这涉及概率建模。在

希望这有帮助：）