machine-learning - 具有多个类别的 NER 的 CRF

Question

我将开发具有许多(100+)类的命名实体识别系统。假设它们的频率大致相等，哪种算法应该表现最好？根据我对 CRF 工作原理的理解(遗憾的是，离理想还很远)，这里应该没问题。但在一些来源(google books)中我发现了另一种观点。

那么，CRF 算法是否适合具有大量类的 NER？

Answer 1

我们在这里谈论什么样的类(class)？别害羞:)

您可能最好使用分层方法:

1. 有少量的根类，例如“产品”、“人”、“地点”。第一遍找出哪个是哪个。

2. 然后对于每个根类，都有子类，例如“汽车产品”、“电子产品”等。