序列标注NER、POS、Chunking、SRL-程序员宅基地
技术标签： POS 自然语言处理 NER Chunking SRL
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
智能推荐
攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地
文章浏览阅读645次。这个肯定是末尾的IDAT了，因为IDAT必须要满了才会开始一下个IDAT，这个明显就是末尾的IDAT了。，对应下面的create_head()代码。，对应下面的create_tail()代码。不要考虑爆破，我已经试了一下，太多情况了。题目来源：UNCTF。_攻防世界困难模式攻略图文
达梦数据库的导出（备份）、导入_达梦数据库导入导出-程序员宅基地
文章浏览阅读2.9k次，点赞3次，收藏10次。偶尔会用到，记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录，执行导库操作 导出语句：./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释： cwy_init/init_123..._达梦数据库导入导出
js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件，可以删掉不需要要到的jsp，asp，asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件，在页面引入js文件：<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地
文章浏览阅读2.3k次，点赞6次，收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA，我们的数据线就会变为10101010，通过修改不同的内容，即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平，后半周期为低电平的状态。在SPI的通信模式中，CPHA配置会影响该实验，下图展示了不同采样位置的SPI时序图[1]。CPOL = 0，CPHA = 1：CLK空闲状态 = 低电平，数据在下降沿采样，并在上升沿移出CPOL = 0，CPHA = 0：CLK空闲状态 = 低电平，数据在上升沿采样，并在下降沿移出。_stm32g431cbu6
计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地
文章浏览阅读1.2k次，点赞2次，收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决？5.如果在数据链路层不进行帧定界，会发生什么问题？6.PPP协议的主要特点是什么？为什么PPP不使用帧的编号？PPP适用于什么情况？为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
软件测试工程师移民加拿大_无证移民，未受过软件工程师的教育（第1部分）-程序员宅基地
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民，未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
随便推点
Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地
文章浏览阅读304次。Thinkpad X250笔记本电脑，装的是FreeBSD，进入BIOS修改虚拟化配置（其后可能是误设置了安全开机），保存退出后系统无法启动，显示：secure boot failed ，把自己惊出一身冷汗，因为这台笔记本刚好还没开始做备份.....根据错误提示，到bios里面去找相关配置，在Security里面找到了Secure Boot选项，发现果然被设置为Enabled，将其修改为Disabled ，再开机，终于正常启动了。_安装完系统提示secureboot failure
C++如何做字符串分割（5种方法）_c++ 字符串分割-程序员宅基地
文章浏览阅读10w+次，点赞93次，收藏352次。1、用strtok函数进行字符串分割原型： char *strtok(char *str, const char *delim);功能：分解字符串为一组字符串。参数说明：str为要分解的字符串，delim为分隔符字符串。返回值：从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它：strtok函数线程不安全，可以使用strtok_r替代。示例：//借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
2013第四届蓝桥杯 C/C++本科A组 真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯：无论如何都要记日记。他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？高斯出生于：1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地
文章浏览阅读851次，点赞17次，收藏22次。摘要：本文利用供需算法对核极限学习机(KELM)进行优化，并用于分类。
metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功，进入系统4、测试如下：二、MySQL弱密码登录：1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功，进入MySQL系统3、测试效果：三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
Python学习之路：从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南，从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文，您将能够掌握Python编程的核心概念，为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf