NLP 笔记: 序列标注与BIO标注
Posted UQI-LIUWJ
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了NLP 笔记: 序列标注与BIO标注相关的知识,希望对你有一定的参考价值。
1 序列标注
序列标注(Sequence labeling)NLP问题中的基本问题。在序列标注中,我们想对一个序列的每一个元素标注一个标签。一般来说,一个序列指的是一个句子,而一个元素指的是句子中的一个词。
1.1 原始标注与联合标注
序列标注一般可以分为两类:
1、原始标注(Raw labeling):每个元素都需要被标注为一个标签。
2、联合标注(Joint segmentation and labeling):所有的分段被标注为同样的标签。
2 命名实体识别 NER (named entity recognition)
命名实体识别(Named entity recognition, NER)是信息提取问题的一个子任务,需要将元素进行定位和分类,如人名、组织名、地点、时间、质量等。
举个NER和联合标注的例子。一个句子为:Yesterday , George Bush told a lie. 其中包括一个命名实体:George Bush。我们希望将标签“人名”标注到整个短语“George Bush”中,而不是将两个词分别标注。这就是联合标注。
2.1 BIO 标注
如果不想用联合标注进行NER的话,可以使用BIO标注
BIO标注:将每个元素标注为“B-X”、“I-X”或者“O”。
- “B-X”表示此元素所在的片段属于X类型并且此元素在此片段的开头
- “I-X”表示此元素所在的片段属于X类型并且此元素在此片段的中间位置
- “O”表示不属于任何类型。
2.1.1 BIO标注举例
比如,我们将 X 表示为名词短语(Noun Phrase, NP),则BIO的三个标记为:
(1)B-NP:名词短语的开头
(2)I-NP:名词短语的中间
(3)O:不是名词短语
因此可以将一段话划分为如下结果;
我们可以进一步将BIO应用到NER中,来定义所有的命名实体(人名、组织名、地点、时间等),那么我们会有许多 B 和 I 的类别,如 B-PERS、I-PERS、B-ORG、I-ORG等。然后可以得到以下结果:
以上是关于NLP 笔记: 序列标注与BIO标注的主要内容,如果未能解决你的问题,请参考以下文章