基于BiLstm-Crf的文本实体抽取（附pytorch代码）

实体抽取

实体抽取主要任务就是给定一段文本，从中抽取出实体类单词，实体类单词如人名、地名、组织名、时间等名词性单词，在具体的代码实现中，我们都是事先定义抽取哪几类实体单词，这个根据具体的训练数据集而定，比如人民日报数据集中，定义了人名、地点名、组织名三类实体，在模型训练完成之后，我们的任务就是对输入的句子进行三类实体单词的抽取，并识别出单词具体属于那一类实体。
通过上面的介绍，我们会发现这个任务就是一个分类任务，对于中文，在代码实现上，我们是对每个字进行分类。

只有一个词才属于一个实体类别，一个字怎么分类呢。首先我们要对文本中每个字进行标注，标注法有BIO、BMEO等标注法。BIO标注法中，B代表每个实体类单词的开始字，I代表此实体的其它字部分，O代表非实体字部分，这样每个字就可以进行分类了。

示例如下：

我  O
爱  O
北  B
京  I
天  I
安  I
门  I
。  O

但这样无法区分每个单词具体属于哪个实体，所以通常我们标注时会更加具体一点，如下：

我  O
爱  O
北  B-LOC
京  I-LOC
天  I-LOC
安  I-LOC
门  I-LOC
。  O