1.NER简介
单句子标注任务，又叫命名实体识别（Named Entity Recognition），简称NER，是一个序列标注任务。
常见的NER数据集有CoNLL-2003 NER。
NER是指识别文本中具有特定意义的实体。包括三大类（实体类，时间类，数字类），七小类（人名P/PER(person)，地名A/LOC(address,local)，机构名O/ORG(organization)，时间TIME，日期，货币，百分比）。
2.纯中文标注
（1）IO
命名实体内部 Inner，命名实体外部（不是命名实体）Outer。
（2）BIO（常用）
命名实体的开始Begin，命名实体内部Inner，命名实体外部（不是命名实体）Outer。
（3）BIESO（常用）
命名实体的开始Begin，命名实体内部Inner，命名实体外部（不是命名实体）Outer，命名实体结尾End，单字的词/独立命名实体Single。
位置实体的开头（B_LOC），位置实体的中间（I_LOC）。
（4）BMES
命名实体的开始Begin，命名实体中间Middle，命名实体结尾End，单字的词/独立命名实体Single。
（5）BMEWO
命名实体的开始Begin，命名实体中间Middle，命名实体外部（不是命名实体）Outer，命名实体结尾End，一个字的独立命名实体Whole。
3.既有中文又有英文
（1）BIOX
如果处理的数据中有英文，采用BIOX。
命名实体的开始Begin，命名实体内部Inner，命名实体外部（不是命名实体）Outer。
X标注英文单词分词之后的非首单词。也就是词根用BIO正常标注，词缀用X表示。
eg：playing 输入BERT模型前会被BERT自带的Tokenization工具分为“play”和“#ing”。二者分别标注为O和X。
参考：
https://www.cnblogs.com/jiangxinyang/p/9368482.html
https://lingpipe-blog.com/2009/10/14/coding-chunkers-as-taggers-io-bio-bmewo-and-bmewo/
https://www.bilibili.com/video/BV1BK4y1C7Hj?from=search&seid=13802326660109437745