Named Entity Recognition（命名实体识别）

命名实体识别（NER）是NLP的核心任务之一，旨在识别文本中具有特定意义的实体，并分类为预定义类别（如人名、地名、机构名、时间、数量等）。传统方法基于规则和统计模型（如HMM、CRF），深度学习方法则采用BiLSTM-CRF、BERT等预训练模型。NER是信息抽取、问答系统、机器翻译等应用的基础。代表性工作包括CoNLL-2003共享任务和基于BERT的微调模型。