machine-learning - 具有许多类的 NER 的 CRF

Question

我将开发具有许多（100 多个）类的命名实体识别系统。假设它们的频率大致相等，那么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，远非理想），这里应该没问题。但是在某些来源（谷歌书籍）中，我发现了另一种观点。

那么，CRF 是否适合具有大量类的 NER 算法？

Answer 1

我们在这里谈论什么样的课程？不要害羞:)

您可能最好使用分层方法：

1. 有少量的根类，如“product”、“person”、“place”。第一遍找出哪个是哪个。

2. 然后对于每个根类，都有“汽车产品”、“电子产品”等子类。