文章目录
这个概念最近比较火，没办法，必须熟悉下了。
NER是什么?
NER(named entity recognition)(命名实体识别)，是nlp的核心任务之一。
主要作用就是从一段非结构化的文本中，精准地找出那些具有特定意义的"专有名词"，并给它们贴上类别标签。
例如：
"马云在杭州创立了阿里巴巴。"
经过 NER 系统的处理后，输出的结果会是带有标签的结构化信息：
马云\] -\> 类别：人名 (PER) \[杭州\] -\> 类别：地名 (LOC) \[阿里巴巴\] -\> 类别：组织机构名 (ORG) 注：这里只后找出了实体，没有处理关系。 那么如果不在一个语句(一个文本)中呢? 涉及到跨句抽取(跨文本抽取)，也可以实现，但是有一定技术成本。 #### RE是什么? RE(relation extraction)(关系抽取)， 还是这句话："马云在杭州创立了阿里巴巴。" 关系抽取结果三元组：(马云，创立，阿里巴巴) 这里找到了关系。 #### 三元组是什么? 三元组（主体，谓语，客体)，也可以理解为主谓宾。 例如： (马云，创立，阿里巴巴) #### 和rag的区别? **数据入库时：** rag就是简单的切片存向量。 知识图谱除了存向量，还要存er关系等。 **在回答时：** rag会先从向量库查询。 知识图谱，要从图谱库和向量库查询对吧。