【笔记】序列标注方法&命名实体识别

多种标注方式：

1 BIO

2 BIOES

3 IOB 等等

下面以命名实体识别为例，看看区别，主要关注标注方法对最终模型效果的影响。

BIO

B  stands for ' beginning ' (signifies beginning of an Named Entity, ie NE)

I  stands for ' inside ' (signifies that the word is inside an NE)

O  stands for ' outside ' (signifies that the word is just a regular word outside of an NE)

2 BIOES

B  stands for ' beginning ' (signifies beginning of an NE)

I  stands for ' inside ' (signifies that the word is inside an NE)

O  stands for ' outside ' (signifies that the word is just a regular word outside of an NE)

E  stands for ' end ' (signifies that the word is the end of an NE)

S  stands for ' singleton '(signifies that the single word is an NE )

3  IOB （即IOB-1）

IOB与BIO字母对应的含义相同，其不同点是IOB中，标签B 仅用于 两个连续的同类型命名实体的边界区分，不用于命名实体的起始位置，这里举个例子：

词序列：（word）（word）（word）（word）（word）（word）

IOB标注：（I-loc）（I-loc）（B-loc）（I-loc）（o）（o）

BIO标注：（B-loc）（I-loc）（B-loc）（I-loc）（o）（o）

The IOB scheme is similar to the BIO scheme,however, here the tag B- is only used to start a segment if the previous token is of the same class but is not part of the segment

因为IOB的整体效果不好，所以出现了IOB-2，约定了所有命名实体均以B tag开头。这样IOB-2就与BIO的标注方式等价了。

IOB因为缺少B-tag作为实体标注的头部表示，丢失了部分标注信息，导致很多任务上的效果不佳

BIO解决了IOB的问题，所以整体效果优于IOB

BIOES额外提供了End的信息，并给出了单个词汇的S-tag，提供了更多的信息，可能效果更优，但其需要预测的标签更多（多了E和S），效果也可能受到影响。

命名实体识别的作用：

命名实体识别的过程组成：

1 实体边界识别

2 确定实体类别