今天和华泰总部的陈姓算法总监聊天，聊到了当前较为实用的处理NER任务的算法方案；今天借着这个机会和大家简单交流下，有心的小伙伴拿好小本子，要开始记笔记了！！！

我们算法组陆陆续续做了HTZQ的81个大类的序列标注任务，个人这边做了接近30个类别的NER任务，属实是试验了多种多样的NER方案，感受颇多。接下来我这边针对金融领域上市公司的公告数据中的实体识别任务，进行简单总结：

1、金融领域数据特点：

• 数据稀缺，金融领域的数据稀缺程度超出了我的想象，在我亲自操刀处理的近30个类别中，数据较为充盈的训练集+验证集+测试集全部数据也就300-400条，例如：股份转让、借款类的关联交易等；而更多的是数据稀缺的类别，例如：申请破产清算和法院受理破产清算等，全量数据仅50-60条；
• 数据标注质量参差不齐，其实这个问题也可以理解，一共就这么点数据，还没标顺手呢，就结束了…，还有一个问题就是各个类别之间要素标注差异较大，很难确定一个一锤定音的标准。

2、个人尝试NER方案包括：

• LSTM + CRF
• BERT + CRF
• LAC（分词 + NER） + textcnn 分类（字模型、词模型）
• 规则（文本 + 表格）

3、各方案效果介绍
在起初尝试的相关类别数据上，数据量408条：

• LSTM + CRF ：召回率不足70%；
• BERT + CRF：召回率不足72%;
• LAC（分词 + NER） + textcnn 分类（字模型）：召回率接近76%；
• LAC（分词 + NER） + textcnn 分类（词模型）：召回率超过80%；

4、各分项准召率数据展示