NER的CRF有很多课程

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，那么哪种算法应该表现最好？ 根据我对CRF工作原理的理解（很遗憾，距离理想还很远），在这里应该没问题。 但是在某些来源（ 谷歌图书 ）中，我发现了另一种观点。

那么，CRF是否适用于具有大量类的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。