当新闻文本中出现不具体人名时，例如范某，结果只会提取范，而像反腐这类新闻中，多以不具体人名，即姓氏加上某某，建议姓氏加某或某某不具体人名能正常提取；
当文本出现含名词的非特殊名称也会被提取，例如“七块熹平石经、正始石经残碑”，建议强化模型争取辨析，不提取该类词句；
最后，该模型的最大问题是不会去重，建议要么去重，要么给出词加上出现次数。
有关“RaNER命名实体识别-中文-新闻领域-base模型的命名实体识”的个人小建议
2024-11-09
26
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
当新闻中出现不具体人名（如范某）时，建议模型能正确提取；对于含名词的非特殊名称（如“七块熹平石经”），建议不提取；此外，模型应解决去重问题，或给出词频。
相关文章
|
机器学习/深度学习
人工智能
自然语言处理
|
数据采集
机器学习/深度学习
自然语言处理
|
自然语言处理
算法
机器人
PaddleNLP通用信息抽取技术UIE【一】产业应用实例：信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
PaddleNLP通用信息抽取技术UIE【一】产业应用实例：信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
960
0
0
|
3月前
|
自然语言处理
算法
Windows
|
6月前
|
机器学习/深度学习
人工智能
自然语言处理
|
自然语言处理
数据处理
浅析命名实体识别（NER）的三种序列标注方法
简述序列标注
序列标注（Sequence Tagging）是NLP中最基础的任务，应用十分广泛，如分词、词性标注（POS tagging）、命名实体识别（Named Entity Recognition，NER）、关键词抽取、语义角色标注（Semantic Role Labeling）、槽位抽取（Slot Filling）等实质上都属于序列标注的范畴。
839
0
0
|
自然语言处理
API
数据处理
|
机器学习/深度学习
人工智能
自然语言处理
深度学习应用篇-自然语言处理-命名实体识别[9]：BiLSTM+CRF实现命名实体识别、实体、关系、属性抽取实战项目合集（含智能标注）
深度学习应用篇-自然语言处理-命名实体识别[9]：BiLSTM+CRF实现命名实体识别、实体、关系、属性抽取实战项目合集（含智能标注）
356
1
1
![深度学习应用篇-自然语言处理-命名实体识别[9]：BiLSTM+CRF实现命名实体识别、实体、关系、属性抽取实战项目合集（含智能标注）](https://ucc.alicdn.com/fnj5anauszhew_20230612_f6156a252ec749c2b2da136bddf3a09d.png?x-oss-process=image/resize,h_160,m_lfit)
|
机器学习/深度学习
自然语言处理
文字识别
|
机器学习/深度学习
设计模式
自然语言处理