I IT 面试题库
NER 命名实体识别的 BIO 标注体系是什么?从规则到大模型,NER 技术方案怎么选?
中级开放讨论题自然语言处理工程师NLPAI应用开发工程师NLPNER序列标注BIO信息抽取
题目
考察点:序列标注任务定义、BIO/BIOES、评测指标 F1、方案分层选型。
参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 70 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
要点:
- 任务定义:从非结构化文本中抽实体(人名/地名/机构/时间/自定义业务实体),本质是序列标注——给每个字打标签。BIO:B-实体开始、I-实体内部、O-非实体;BIOES 更精细(E 结尾、S 单字),能避免非法标注序列。
- 评测:实体级 Precision/Recall/F1(边界+类型都对才算对),不是字级准确率。
- 方案选型阶梯:① 规则/词典——实体集封闭稳定(如省市区、商品 SKU 词表)时最准最省,维护成本随规模上升;② Bert+CRF 微调——有几百~几千标注样本的主流方案,CRF 学习标签约束(B 后不能接 O);③ 大模型——零样本/少样本直接抽(prompt+JSON 输出),适合冷启动与长尾类型,成本与幻觉需评估,生产常做「大模型预标 + 人工校验」闭环再蒸馏小模型。
- 工程要点:嵌套实体(「北京大学信息学院」)需嵌套标注方案(span-based);在线服务注意 tokenizer 对齐与延迟。
题目与答案就在本页;收藏、批注和错题重练在应用内