詳細解釋
命名實體識別（NER）是從文本中識別並分類實體的NLP任務，如人名、地名、組織名、時間、數量等。
識別類型：
- 人名（PER）：馬斯克、愛因斯坦
- 地名（LOC）：台北、紐約、長江
- 組織（ORG）：Google、聯合國
- 時間（TIME）：2024年、下週一
- 數量（MONEY）：100萬美元、50元
技術方法：
- 規則式：詞典匹配、正則表達式
- 機器學習：CRF、HMM序列標註
- 深度學習：Transformer架構 (變換器 / 注意力模型) (Switch Transformer)、BERT (雙向編碼器表示)微調
- LLM：大型語言模型 (大語言模型 / 大模型)直接識別
標註格式：
- BIO：B-開始、I-內部、O-非實體
- BIOES：增加E-結束、S-單字
應用：
- 知識圖譜構建
- 搜索優化
- 推薦系統
- 問答系統
- 數據抽取
挑戰：
- 嵌套實體：「台灣大學醫學院」
- 新興實體：網路流行語
- 歧義：「蘋果」公司vs水果