我在尝试使用隐马尔可夫模型（HMM）进行命名实体识别，但后来发现包含实体的句子大多具有非常结构化的特点。例如：“今天苹果的价格是多少？” 那么，与其教模型学习句子中的每个单词，我能否教它学习句子的结构？比如，“What’s”或“What is”之后的每个单词都应该是某种水果的名字？
谢谢！
回答：
除了使用HMM之外，可以考虑使用条件随机场（CRF）。它们与HMM非常相似，但属于判别模型（按照Ng和Jordan的术语，HMM和线性链CRF构成了一对生成/判别模型）。
这样做的好处是，你可以定义单词观察的特征，比如当前单词的词性标签、前一个或多个单词的词性标签等，而不需要对这些特征做出独立性假设。这将允许你将结构和词汇特征整合到同一个决策框架中。
