命名實體辨識 是什麼？

Named Entity Recognition — 命名實體辨識 的完整解釋

命名實體辨識是自然語言處理的核心技術之一，它能自動從非結構化文本中識別出具有特定類別意義的實體，例如人名、地名、組織機構、日期等，並進行分類標註。

容易混淆

命名實體辨識 vs 文本分類 命名實體辨識：標每個詞是哪一類 文本分類：判斷整段文字屬於哪一類 最關鍵的區別：先看它是在比什麼，再看它怎麼做。

命名實體辨識 vs 實體鏈接 命名實體辨識：只找出實體片段 實體鏈接：還要把片段連到知識庫中的正確條目 最關鍵的區別：先看它是在比什麼，再看它怎麼做。

記住這句就好

找出名字，還要標出它屬於什麼。

實際案例

新聞分析 從新聞中抓出人名、公司名、地名，方便做事件整理。

客服紀錄 從對話中抽出產品名稱、日期、地點，讓後續流程自動化。

算法與應用

實作上，NER 常把問題視為序列標註。 模型不只要知道詞本身，還要看上下文，才能判斷同一個詞是不是實體。 像「蘋果」這種詞，有時是公司，有時是水果，語境很重要。

情境判斷

Q1（直覺題）：你要從履歷裡找出公司、學校、日期，這是在做什麼？ → 命名實體辨識，因為你要把特定資訊片段標出來。

Q2（判斷題）：同樣出現「台大」，在新聞和聊天紀錄裡一定都算學校嗎？ → 不一定，要看上下文，NER 不能只看單字表面。

常見問題

它只認人名嗎？

不是，地名、組織名、日期、金額都常是實體。

它和關鍵字抽取一樣嗎？

不一樣，關鍵字抽取重點是摘要，NER 重點是分類標註。

為什麼上下文很重要？

因為很多字在不同句子裡會有不同身分。