中 B-ORG 共 I-ORG 中 I-ORG 央 I-ORG 致 O 中 B-ORG 国 I-ORG 致 I-ORG 公 I-ORG 党 I-ORG 十 I-ORG 一 I-ORG 大 I-ORG 的 O 贺 O 词 O 各 O 位 O 代 O 表 O Tag | Meaning O Not part of a named entity B-PER Beginning character of a person name I-PER Non-beginning character of a person name B-ORG Beginning character of an organization name I-ORG Non-beginning character of an organization name B-LOC Beginning character of a location name I-LOC Non-beginning character of a location name B-GPE Beginning character of a geopolitical entity I-GPE Non-beginning character of a geopolitical entity

nlp入门案例

标准的分词语料库，也可用作命名实体识别。

电子病历命名实体识别研究资料与ccks2020论文集合，详见博客：https://season.blog.csdn.net/article/details/115283564

基于Tensorflow1.x实现BiLstm+CRF，代码可运行，包括中药说明书实体识别挑战的比赛数据。

Java 实现的自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取 自动摘要 短语提取 拼音 简繁转换。.zip,自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 新词发现 关键词短语提取 自动摘要 文本分类聚类 拼音简繁

基于机器阅读理解的嵌套命名实体识别，王璞，徐蔚然，命名实体识别是自然语言处理领域的重要的基础性问题，经典的处理方法是把它看做序列标注任务，序列标签用于嵌套命名实体的表示时

使用 CRF++ 训练命名实体识别模型

MSRA-NER (SIGHAN2006) 数据集由微软亚研院发布，其目标是识别文本中具有特定意义的实体，包括人名、地名、机构名。

该数据集是用于命名实体识别训练模型的数据集，该数据集中包含6中标签，分别是人名、地名、时间、组织机构名、公司名、产品名。遵循BIO编码。里面有三个文件，分别是训练集，测试集，验证集。样例如下： 以 O 及 O 以 O 康 B-COMPANY_NAME 宽 I-COMPANY_NAME 为 O 代 O 表 O 的 O 国 O 外 O 专 O 利 O 产 O 品 O 低 O 毒 O 杀 O 虫 O 剂 O 吡 B-PRODUCT_NAME 虫 I-PRODUCT_NAME 啉 I-PRODUCT_NAME 和 O 生 O 物 O 农 O 药 O 阿 B-PRODUCT_NAME 维 I-PRODU