摘要
本文主要是对近期做的命名实体识别做一个总结，会给出构造一个特征的大概思路，以及对比所有构造的特征对结构的影响。先给出我最近做出来的特征对比：
目录
- 整体操作流程
- 特征的构造思路
- 用CRF++训练模型
- 用CRF++测试模型并计算F1值
展望
用CRF做命名实体识别基本就做导这里了，我们发现(字+词性+边界+特征词+常用词)这几个特征可以达到比较好的效果，F1值为0.9293。再加入特征效果就会下降了，而且训练时间也会加长。后面打算用神经网络来做命名实体识别，目前主流方法是BILSTM-CRF，据说效果是很好的，网上有可以直接用的代码，回来操作一下。希望这篇博文会对大家有所帮助，至少可以帮大家入门命名实体识别。
大家如果感兴趣想要深入了解欢迎前往下面的链接，感觉博客园的markdown模式不好弄，所以就在下面写了