隨著人工智能從感知智能向認(rèn)知智能發(fā)展，語言理解和知識挖掘研究不斷深入，事實和常識知識愈發(fā)重要。智能問答、對話、推理、推薦等應(yīng)用均需要豐富的知識作為基礎(chǔ)支撐，而命名實體識別作為文本中重要的知識獲取手段，已成為一項重要研究課題。

命名實體識別（Named Entity Recognition，NER）任務(wù)的目標(biāo)是識別出文本中預(yù)定義類別的實體。作為NLP領(lǐng)域的重要基礎(chǔ)工具，其有效推動了NLP技術(shù)從實驗階段走向?qū)嵱没?/p>

近期，思必馳語言與知識團隊對中文細(xì)粒度命名實體識別任務(wù)進行探索，并取得階段性進展：在CLUE數(shù)據(jù)集Fine-Grain NER評測任務(wù)[1]中，思必馳語言與知識團隊目前暫列第一。該評測數(shù)據(jù)集基于清華大學(xué)開源的文本分類數(shù)據(jù)集THUCTC[2]，選出部分進行細(xì)粒度命名實體標(biāo)注。原數(shù)據(jù)來源于Sina News RSS[3]。這項測評是中文自然語言處理領(lǐng)域的大規(guī)模賽事，有眾多知名企業(yè)同臺競技。

中文命名實體評測中的出色表現(xiàn)也證明了思必馳在知識挖掘方向的實力。該技術(shù)也將應(yīng)用到智慧醫(yī)療綜合應(yīng)用中，包括從大量醫(yī)療文獻(xiàn)、病歷文本和醫(yī)患對話數(shù)據(jù)中構(gòu)建醫(yī)療知識圖譜，并基于知識圖譜輔助語義理解和知識推理，實現(xiàn)醫(yī)療知識問答和醫(yī)療輔助決策。如智能導(dǎo)診、智能預(yù)問診、智能診后隨訪。

語言智能常被稱為人工智能皇冠上的一顆明珠。在未來，思必馳語言與知識團隊將繼續(xù)深耕語言理解領(lǐng)域，打造出精準(zhǔn)、通用且能夠?qū)崿F(xiàn)自定義的命名實體識別系統(tǒng)，推動命名實體識別在NLP各領(lǐng)域的落地和應(yīng)用。