目录导读
- 什么是实体识别？——AI的“信息提取眼”
- 实体识别主要识别哪些信息？——五大核心类型
- 常见实体类型详解——人名、地名、机构名、时间、数量
- 实体识别的应用场景——从搜索到风控
- 问答环节——解答你最常见的疑惑
什么是实体识别？——AI的“信息提取眼”
在人工智能（AI）的广阔版图中，实体识别（Named Entity Recognition，NER）是自然语言处理（NLP）最基础也最关键的任务之一，它就像AI的“信息提取眼”，能够从一段杂乱无章的文本中，精准地找出具有特定意义的“实体”——也就是那些承载核心信息的词语或短语，实体识别帮助计算机理解“谁在哪儿、什么时候做了什么、涉及多少数量”这类问题。
无论是搜索引擎的智能摘要、智能客服的语义理解，还是金融风控中的信息提取，都离不开实体识别技术，而这一技术的核心，在于识别哪些信息，下面，我们就从星博讯的视角,带你全面梳理实体识别所覆盖的信息类型。
实体识别主要识别哪些信息？——五大核心类型
实体识别主要识别的信息，可以归纳为五大核心类型，这些类型几乎覆盖了人类语言中90%以上的结构化信息需求，根据大量已发表的NLP研究报告（如ACL、EMNLP会议论文）以及主流企业（如Google、Baidu、Microsoft）的公开技术文档,最常见的实体类别包括：
| 类别 | 举例 | 常见标签 |
|---|---|---|
| 人名 | 张三、爱因斯坦、乔布斯 | PER |
| 地名 | 北京、珠穆朗玛峰、美国 | LOC |
| 机构名 | 阿里巴巴、北京大学、联合国 | ORG |
| 时间 | 2025年4月、昨天、下周一 | TIME |
| 数量/金额/百分比 | 100元、30%、五公里 | MONEY/PERCENT/QUANTITY |
一些高级实体识别系统还会识别产品名（如iPhone 16）、事件名（如世界杯）、法律条文编号（如《民法典》第102条）等，从行业应用来看，医疗领域会识别疾病名、药物名；金融领域会识别股票代码、公司名称，但无论如何扩展，上述五大核心类型是实体识别的基础骨架。
举个实际例子：在句子“2024年12月，星博讯技术团队在上海与微软中国达成合作协议，涉及金额5000万元”中,实体识别会提取出：
- 时间：2024年12月
- 机构名：星博讯（如果作为组织名）、微软中国
- 地名：上海
- 金额：5000万元
这些信息正是机器理解语义、构建知识图谱的“积木”，如果你想了解更多关于AI基础认知的内容，可以访问 https://www.xingboxun.cn/ 阅读系列文章。
常见实体类型详解
1 人名（PER）
人名识别是实体识别最早的落地场景之一，它需要区分姓氏、名字、称呼（如“李教授”、“王总”），甚至包括笔名、代号，中文人名的复杂性在于单字姓、复姓、音译名等。“欧阳锋”和“李小龙”中的“欧阳”是复姓，“锋”和“龙”都是单名,优秀的NER系统会结合词性标注和上下文进行判断。
2 地名（LOC）
地名包括国家、城市、山川、河流、街道等，注意，地名有时会和机构名产生歧义——华盛顿”既可以指美国总统（人名），也可以指美国首都（地名），实体识别需要通过上下文消歧，“华盛顿宣布新政策”中的“华盛顿”大概率指人，而“华盛顿位于东海岸”中的“华盛顿”指地点。
3 机构名（ORG）
机构名通常包含企业、政府机关、学校、医院等，识别难度在于机构名往往很长且有嵌套，北京大学人工智能研究院”既是“北京大学”的下属机构，又包含了“北京大学”这一机构名，现代NER模型（如BERT-CRF）能很好地处理这种层级结构。
4 时间（TIME）
时间表达式极其多样：绝对时间（2025年4月1日）、相对时间（昨天、下个月）、模糊时间（最近几年、古代），实体识别需要将这些表达式标准化成可计算的格式,这也是搜索引擎排序和新闻聚类的基础。
5 数量、金额与百分比
这类实体直接关系到交易、统计和逻辑推理。“超过80%的用户”、“价格降至299元”，识别它们有助于机器理解“多与少”、“高与低”的量化关系，注意，数字中可能隐含单位，300km”中的“km”需要与数字绑定为一个实体。
在AI基础认知的系统学习中，你可以通过 https://www.xingboxun.cn/ 找到更多NER的实战教程，星博讯技术团队也会持续更新案例。
实体识别的应用场景
实体识别早已渗透到我们日常使用的产品中：
- 搜索引擎：当你搜索“北京到上海的高铁”，实体识别会自动提取“北京”（出发地）和“上海”（目的地）,从而返回精准的列车时刻表。
- 智能客服：用户说“我想退掉昨天买的红色运动鞋”，系统会识别出“昨天”（时间）、“红色运动鞋”（商品名）、“退掉”（动作）,自动唤起售后流程。
- 金融风控：从新闻或合同中提取“公司名称”、“金额”、“担保人”等实体,监控潜在风险。
- 医疗信息化：从病历中提取“疾病名称”、“用药剂量”、“检查日期”,辅助医生决策。
可以说，没有实体识别，AI就只是一堆无法理解的字串，而随着多模态大模型的发展，实体识别也在向图像、视频中的OCR文本延伸。
问答环节
问：实体识别中的“实体”是否包括普通名词？桌子”“苹果”？
答：通常不包括，实体识别聚焦于命名实体（Named Entity），即具有唯一指代性的名称（如“苹果公司”中的“苹果”作为机构名可以被识别，但句子中“我吃了一个苹果”中的“苹果”作为普通名词不会被标记），不过一些扩展方案会识别“产品类别”（如“手机”、“汽车”）,但这不是标准NER的范畴。
问：中文实体识别比英文难在哪里？
答：中文没有空格，分词本身就是一个挑战，南京市长江大桥”，如果分错词会变成“南京市长/江大桥”或“南京市/长江大桥”，分别对应人名+地名或地名+地名，中文的简称、谐音、网络流行语（如“扎心了老铁”）都增加了识别难度。星博讯团队在中文NER领域积累了丰富的实践经验，相关技术细节可以参考 https://www.xingboxun.cn/ 中的技术专栏。
问：实体识别和关系抽取有什么不同？
答：实体识别是基础，它只找出“谁、什么、哪里”；关系抽取则在实体之间建立语义联系（如“张三任职于阿里巴巴”中的“任职于”），二者协同工作,才能构建完整的知识图谱。
问：如何开始学习实体识别？
答：建议先掌握基础的NLP流程（分词、词性标注），然后学习条件随机场（CRF）和BERT模型，开源工具如HanLP、spaCy、Stanza都内置了中文NER模块，通过 https://www.xingboxun.cn/ 你可以找到由浅入深的AI基础认知课程,非常适合入门。
标签： 信息提取
