工规则对高校名进行了实验研究。Ｉ ｎ ｔ ｅ ｌ 中国研究中心
８ ］ 的Ｚ ｈ ａ ｎ ｇ 等［ 在Ａ Ｃ Ｌ ２ ０ ０ ０上演示了他们开发的一个抽
取中文命名实体以及这些实体间相互关系的信息抽取 系统， 该系统利用基于记忆的学习（ Ｍ ｅ ｍ ｏ ｒ ｙＢ ａ ｓ ｅ ｄ Ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ，Ｍ Ｂ Ｌ ） 算法获取规则， 用以抽取命 名实体 及 它们之间的关系。
１ 引 言
命名实体识别（ Ｎ ａ ｍ ｅ ｄＥ ｎ ｔ ｉ ｔ ｙＲ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ， Ｎ Ｅ Ｒ ） 的主要任务是识别出文本中的人名、 地名等专有名称和有意
１ ］ 义的时间、 日期等数量短语并加以归类 ［ 。命名实体识别技术是信息抽取、 信息检索、 机器翻译、 问答系统等多种
２
（ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｔ ｉ ｆ ｉ ｃ＆Ｔ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎｏ ｆ Ｃ ｈ ｉ ｎ ａ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ３ ８ ， Ｃ ｈ ｉ ｎ ａ ）
３
（ Ｎ ａ ｔ ｉ ｏ ｎ ａ ｌ Ａ ｄ ｍ ｉ ｎ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎｆ ｏ ｒ Ｃ ｏ ｄ ｅＡ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎｔ ｏＯ ｒ ｇ ａ ｎ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｓ ，Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ２ ９ ， Ｃ ｈ ｉ ｎ ａ ）
【 Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ 】Ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｓ ｔ ｈ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄａ ｎ ｄｍ ｏ ｔ ｉ ｖ ａ ｔ ｉ ｏ ｎｏ ｆ Ｎ ａ ｍ ｅ ｄＥ ｎ ｔ ｉ ｔ ｙ Ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ， ａ ｎ ｄｓ ｕ ｍ ｍ ａ ｒ ｉ ｚ ｅ ｓ ｔ ｈ ｅ ｈ ｉ ｓ ｔ ｏ ｒ ｙ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ ｏ ｆ Ｎ ａ ｍ ｅ ｄＥ ｎ ｔ ｉ ｔ ｙＲ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎａ ｔ ｈ ｏ ｍ ｅａ ｎ ｄａ ｂ ｒ ｏ ａ ｄ ，ａ ｓ ｗ ｅ ｌ ｌ ａ ｓ ｔ ｈ ｅｒ ｅ ｌ ａ ｔ ｅ ｄｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙａ ｎ ｄｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎｍ ｅ ｔ ｈ ｏ ｄ ． Ｆ ｉ ｎ ａ ｌ ｌ ｙ ， ｉ ｔ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｅ ｓ ｔ ｈ ｅｎ ｅ ｗｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ ｔ ｒ ｅ ｎ ｄ ｓ ｏ ｎＮ ａ ｍ ｅ ｄＥ ｎ ｔ ｉ ｔ ｙＲ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ． 【 Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ 】Ｎ ａ ｍ ｅ ｄｅ ｎ ｔ ｉ ｔ ｙｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎｒ ｅ ｔ ｒ ｉ ｅ ｖ ａ ｌ Ｍ ａ ｃ ｈ ｉ ｎ ｅｔ ｒ ａ ｎ ｓ ｌ ａ ｔ ｉ ｏ ｎ Ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎｍ ｅ ｔ ｈ ｏ ｄ ｓ
２ ３
【 摘要】介绍命名实体识别的研究背景和意义， 总结国内外命名实体识别研究历史， 详细介绍目前主流的技术方 法和评估方法， 讨论命名实体识别技术的发展趋势。 【 关键词】命名实体识别 信息抽取 信息检索 机器翻译 评估方法 【 分类号】Ｔ Ｐ ３ ９ １
Ｏ ｖ ｅ ｒ ｖ ｉ ｅ ｗｏ ｎｔ ｈ ｅＡ ｄ ｖ ａ ｎ ｃ ｅｏ ｆ ｔ ｈ ｅＲ ｅ ｓ ｅ ａ ｒ ｃ ｈｏ ｎＮ ａ ｍｅ ｄＥ ｎ ｔ ｉ ｔ ｙＲ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ
－ ２ ０ ０ ２ 、 Ｃ ｏ Ｎ Ｌ Ｌ－ ２ ０ ０ ３ 、 Ｉ Ｒ Ｅ Ｘ 、 Ｌ Ｒ Ｅ Ｃ等一系列国际会议 中， 命名实体识别都被作为其中的一项指定任务。 由于英文命名实体的识别中只需考虑词本身的特 征而不涉及分词问题， 因此实现难度相对较低。根据
① 以及 Ａ ② 的评 测结果， Ｍ Ｕ Ｃ Ｃ Ｅ 测 试的准 确 率、 召回
６ ］ 茂松等 ［ 在国内比较生物命名实体信息提取时， 还包括蛋白质、 基因、 核糖核酸、 脱氧核糖核酸、 细胞等
１ ７ ］ 特殊生物实体 ［ 。
主要采用统计的方法计算姓氏和人名用字概率。张小
７ ］ 衡等 ［ 对中文机构名称进行识别与分析， 主要采用人
３ 研究内容及发展
３ ． １ 研究主体 命名实体是命名实体识别的研究主体， 一般包括 ３大类（ 实体类、 时间类和数字类） 和 ７小类（ 人名、 地 名、 机构名、 时间、 日期、 货币和百分比） 命名实体。实 际研究中， 命名实体的确切含义需要根据具体应用来
１ ５ ］ １ ６ ］ 确定， 比如， 可能需要把产品名称 ［ 、 旅游景点名称 ［
将《 知网》 中的义原作为特征加入到最大熵模型中， 以 此来训练产生性能更好的模型。 ２ ０ ０ ４年举行的 ８ ６ ３命名实体识别评测， 成绩最好 的命名实体识别系统的准确率、 召回率和 Ｆ １值分别为 ８ １ ． １ ０ ％、 ８ ３ ． ６ ９ ％、 ８ ２ ． ３ ８ ％， 其中人名、 地名、 组织机构 名各 项 的 Ｆ １值 最 高 分 别 为 ８ ５ ． ５ １ ％、 ８ ２ ． ５ １ ％、 ６ ０ ． ８ １ ％ 。可见中文命名实体识别评测结果比英文结 果偏低， 尤其中文机构名称的识别难度更大一些。
《 现代图书情报技术》 版权所有， 欢迎下载引用！ Ｊ ］ ， 现代图书情报技术， ２ ０ １ ０ （ ６ ） ： ４ ２－ ４ ７ ． 请注明引用地址： 命名实体识别研究进展综述［
知识组织与知识管理
命名实体识别研究进展综述
， ３ 孙 镇１ 王惠临２ １
（ 北京大学信息管理系 北京 １ ０ ０ ８ ７ １ ） （ 中国科学技术信息研究所 北京 １ ０ ０ ０ ３ ８ ） （ 全国组织机构代码管理中心 北京 １ ０ ０ ０ ２ ９ ）
１ ， ３ ２ Ｓ ｕ ｎＺ ｈ ｅ ｎ Ｗａ ｎ ｇＨ ｕ ｉ ｌ ｉ ｎ １
（ Ｄ ｅ ｐ ａ ｒ ｔ ｍ ｅ ｎ ｔ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎＭ ａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ，Ｐ ｅ ｋ ｉ ｎ ｇＵ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ８ ７ １ ， Ｃ ｈ ｉ ｎ ａ ）
Ｆ １值目前大多可以达到 ９ ０ ％左右。 率、 由于中文内在的特殊性决定了在文本处理时首先 必须进行词法分析， 中文命名实体识别的难度要比英 文的难度大。中文命名实体识别起步较晚， ２ ０世纪 ９ ０ 年代初期开始， 国内一些学者对中文命名实体（ 如： 地 名、 人名、 组织机构名等） 识别进行了一些研究。如： 孙
自然语言处理技术必不可少的组成部分。从语言分析的全过程来看， 命名实体识别属于词法分析中未登录词识 别的范畴。命 名 实 体 是 未 登 录 词 中 数 量 最 多、 识 别 难 度 最 大、 对 分 词 效 果 影 响 最 大 的 问 题。根 据 Ｓ Ｉ Ｇ Ｈ Ａ Ｎ
２ ］ （ ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗ ｗ ． ｓ ｉ ｇ ｈ ａ ｎ ． ｏ ｒ ｇ ／ ）Ｂ ａ ｋ ｅ ｏ ｆ ｆ 数据评测结果， 未登录词造成的分词精度失落至少比歧义大 ５倍以上 ［ ， 可见
由于数量、 时间、 日期、 货币等实体识别通常可以 采用模式匹配的方式获得较好的识别效果， 相比之下 人名、 地名、 机构名较复杂， 因此近年来的研究主要以 这几种实体为主。同时生物领域的实体识别也比较活 跃。这些实体中以机构名和生物实体识别难度最大， 普遍存在嵌套和缩写的识别问题。从研究的发展趋势 上看， 由原来的单独针对人名、 地名等进行识别发展到 开始采用统一的方法同时进行各类中文命名实体的识 别， 而且识别效果也得到了提高， 其中部分研究成果发 表在 Ａ Ｃ Ｌ （ ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗ ｗ ． ａ ｃ ｌ ｗ ｅ ｂ ． ｏ ｒ ｇ ／ ） 年度会议以及 Ｃ Ｏ Ｌ Ｉ Ｎ Ｇ （ ｈ ｔ ｔ ｐ ： ／ ／ ｎ ｌ ｐ ． ｓ ｈ ｅ ｆ ． ａ ｃ ． ｕ ｋ ／ ｉ ｃ ｃ ｌ ／ ） 、 Ｓ Ｉ Ｇ Ｈ Ａ Ｎ等 国 际会议上。 这种方法虽然考虑了人名、 地名和机构名的共同 特点， 能够有效地 解决 多种 命名 实体 间的 歧义 问题。 但是， 它不能充分分析不同命名实体间的差异性， 制约 了整体的识别性能。
２ 命名实体识别研究历史
国外对于英文命名实体识别的研究开始比较早。 １ ９ ９ １年 Ｒ ａ ｕ 在第 ７届 Ｉ Ｅ Ｅ Ｅ人工智能应用会议上发表 了“ 抽取和识别公司名称” 的有关研究文章， 首次描述 了抽取和识别公司名称的系统， 该系统主要采用启发
３ ］ 。１ ９ ９ ６年， 命名实体 式算法和手工编写规则的方法 ［ ［ ４ ］ 评测作为信息抽取的一个子任务被引入 Ｍ Ｕ Ｃ－ ６ ， ［ ５ ］ 在其后的 Ｍ Ｕ Ｃ－ ７的 Ｍ Ｅ Ｔ－ ２ 以及 Ｉ Ｅ Ｅ Ｒ－ ９ ９ 、 Ｃ ｏ Ｎ Ｌ Ｌ
［ ９ ］ 国外对于命名识别研究主要包括： Ｂ ｉ ｋ ｅ ｌ 等最早
提出了基于隐马尔可夫模型的英文命 名实 体识别 方 法， 其在 Ｍ Ｕ Ｃ－ ６测试文本集的 测试 结果为： 英 文地 ７ ％、 ９ ４ ％ 名、 机构名和人名的识别精度分 别达到了 ９ 和９ ５ ％，召 回 率分 别达 到了 ９ ５ ％、 ９ ４ ％和 ９ ４ ％； Ｌ ｉ ａ ｏ
收稿日期： ２ ０ １ ０－ ０ ３－ ２ ４ 收修改稿日期： ２ ０ １ ０－ ０ ４－ １ １
４ ２ 现代图书情报技术
总第 １ ９ ３期 ２ ０ １ ０年 第 ６期
对未来发展趋势进行展望。
１ ２ ］ ｓ ａ ｉ 等［ 提出 中文名实体识别也获得了广泛关注。 Ｔ １ ３ ］ 基于最大熵的混合的方法；冯元勇等 ［ 提出基于单字 １ ４ ］ 提示特征的中文命名实体识别快速算法； 郑逢强等 ［