《A Survey on Deep Learning forNamed Entity Recognition》
- NER是信息抽取、问答系统、机器翻译的一项基础工作，DNN的应用让NER任务有了长足的进步
- NER分为两类coarse-grained NER:比较粗粒度的划分entity，比如通用NER。 fine-grained NER：更加细分的实体类型，通常是和具体的业务相关的实体，一个mention可以属于多个实体类别
- 数据集：见原文table1。 比较常用的有：
- OntoNotes：18 coarse entity type consisting of 89 subtype
- CoNLL03 4 entity types
- 工具：见原文table2 StanfordCoreNLP/NLTK/spaCy
- 评价指标：
- exact-match evaluation： 用全匹配方法计算F1。会有些偏严，指标偏低
- relaxed-match evaluation: 宽松匹配方案，不太好控制