NER的CRF有很多課程

Question

我將開發具有許多（100+）類的命名實體識別系統。 假設它們的頻率大致相等，那么哪種算法應該表現最好？ 根據我對CRF工作原理的理解（很遺憾，距離理想還很遠），在這里應該沒問題。 但是在某些來源（ 谷歌圖書 ）中，我發現了另一種觀點。

那么，CRF是否適用於具有大量類的NER算法？

Answer 1

我們在這里談論什么樣的課程？ 不要害羞:)

您最好使用分層方法：

1. 有少量的根類，例如“產品”，“人”，“地點”。 第一遍找出哪個是哪個。

2. 然后，對於每個根類，都有子類，例如“汽車產品”，“電子產品”等。