序列标注中的BIO标注介绍
2018-03-27 18:35
218 查看
一、序列标注
序列标注(Sequence labeling)是我们在解决NLP问题时经常遇到的基本问题之一。在序列标注中,我们想对一个序列的每一个元素标注一个标签。一般来说,一个序列指的是一个句子,而一个元素指的是句子中的一个词。比如信息提取问题可以认为是一个序列标注问题,如提取出会议时间、地点等。序列标注一般可以分为两类:
1、原始标注(Raw labeling):每个元素都需要被标注为一个标签。
2、联合标注(Joint segmentation and labeling):所有的分段被标注为同样的标签。
命名实体识别(Named entity recognition, NER)是信息提取问题的一个子任务,需要将元素进行定位和分类,如人名、组织名、地点、时间、质量等。
举个NER和联合标注的例子。一个句子为:Yesterday , George Bush gave a speech. 其中包括一个命名实体:George Bush。我们希望将标签“人名”标注到整个短语“George Bush”中,而不是将两个词分别标注。这就是联合标注。
二、BIO标注
解决联合标注问题的最简单的方法,就是将其转化为原始标注问题。标准做法就是使用BIO标注。BIO标注:将每个元素标注为“B-X”、“I-X”或者“O”。其中,“B-X”表示此元素所在的片段属于X类型并且此元素在此片段的开头,“I-X”表示此元素所在的片段属于X类型并且此元素在此片段的中间位置,“O”表示不属于任何类型。
比如,我们将 X 表示为名词短语(Noun Phrase, NP),则BIO的三个标记为:
(1)B-NP:名词短语的开头
(2)I-NP:名词短语的中间
(3)O:不是名词短语
因此可以将一段话划分为如下结果;
我们可以进一步将BIO应用到NER中,来定义所有的命名实体(人名、组织名、地点、时间等),那么我们会有许多 B 和 I 的类别,如 B-PERS、I-PERS、B-ORG、I-ORG等。然后可以得到以下结果:
参考文献:
[1]http://nlpers.blogspot.com.au/2006/11/getting-started-in-sequence-labeling.html
相关文章推荐
- 基于神经网络的序列标注
- 深度学习(三十八)初识DL在自然语言序列标注中的应用-未完待续
- opensslBIO系列之2---BIO结构和BIO相关文件介绍
- 【郝斌数据结构自学笔记】70-74_已知两种遍历序列求原始二叉树概述_已知先序和中序求后序_已知中序和后序求先序_树的应用简单介绍
- netty01-bio介绍
- Guice中常用标注的介绍
- [时间序列分析][4]--AR模型,MA模型,ARMA模型介绍
- opensslBIO系列之4---BIO控制函数介绍
- BIO/NIO/AIO相关概念的介绍
- DL4NLP —— 序列标注:BiLSTM-CRF模型做基于字的中文命名实体识别
- 【我的Android进阶之旅】 高效的设计稿标注及测量工具Markman介绍
- 转:TensorFlow入门(六) 双端 LSTM 实现序列标注(分词)
- 『RNN 监督序列标注』笔记-第三章 神经网络
- 基于实例的像素级标注介绍
- 序列标注中的几种标签方案
- 使用RNN解决NLP中序列标注问题的通用优化思路
- HMM经典介绍论文【Rabiner 1989】翻译(十七)——多观测序列
- 业务流程建模标注(BPMN)详细介绍
- 业务流程建模标注(BPMN)详细介绍
- TensorFlow (RNN)深度学习下 双向LSTM(BiLSTM)+CRF 实现 sequence labeling 双向LSTM+CRF跑序列标注问题