---
title: "什么是命名实体识别（NER）？阿拉伯语与大模型 | BroadRouter"
description: "命名实体识别从文本中找出人名、机构名和地名。NER 如何标注和评分、有哪些阿拉伯语 NER 数据集，以及如何用大模型来做。"
url: https://broadrouter.com/zh/glossary/named-entity-recognition/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/named-entity-recognition/)（2026-11-15 更新）。

# 命名实体识别（NER）

更新于 2026-11-15

命名实体识别（NER）是在文本中找出名称、并为每个名称标注类型（如人物、机构或地点）的任务。传统系统给每个 token 打标签；大模型则通常被要求以 JSON 返回实体列表，再与原文核对。

又称： 命名实体识别、实体识别、实体抽取、命名实体、信息抽取、NER、named entity recognition、entity extraction、named entities

从合同或新闻报道中找出每一个人物、公司和地点，并标明各自的类型。这就是 NER，也是交给大模型最常见的工作之一。

## 工作原理

经典基准是 CoNLL-2003 评测任务。它使用英文路透社新闻和德文《法兰克福评论报》文本，共四种类型（PER 表示人物，ORG、LOC，以及 MISC，即 “names of miscellaneous entities that do not belong to the previous three groups”（译文：不属于前三类的其他实体名称）），并采用 IOB 标签：每个词标为某类型的 B- 或 I-，或者标为 O，表示不属于任何实体。评分按实体计算 F1，只有与参考答案完全一致的实体才算对。

一个 IOB 格式的阿拉伯语示例：

| Token | 标签 |
| --- | --- |
| زار | O |
| خالد | B-PER |
| العتيبي | I-PER |
| مدينة | O |
| الرياض | B-LOC |

（“哈立德·奥泰比访问了利雅得市。”）

阿拉伯语有自己的数据集。ANERcorp 由 Yassine Benajiba 创建，自 2008 年起就是标准参考，内容为新闻专线文本；CAMeL Lab 约定的划分包含 125,102 个训练词和 25,008 个测试词，采用 CC BY-SA 4.0 许可。Wojood（Jarrar 等，2022）有约 550K 个 MSA 和方言文本 token、21 种实体类型、约 75K 个实体，其中 22.5% 是嵌套实体。其基于 AraBERT 的模型取得了 0.884 的 micro F1。

用大模型时，常见的做法不同：要的是一个列表，而不是逐个 token 的标签。

```json
{"entities": [
  {"text": "خالد العتيبي", "type": "PERSON"},
  {"text": "الرياض", "type": "LOCATION"}
]}
```

## 为什么重要

NER 为搜索过滤、CRM 记录、[个人身份信息（PII）](https://broadrouter.com/zh/glossary/pii/)脱敏和知识图谱提供数据。用大模型做 NER，主要风险是：

-   **编造或改动实体。** 模型可能返回原文中没有的名称，或者“纠正”其拼写。在两边都做[阿拉伯语文本规范化](https://broadrouter.com/zh/glossary/arabic-text-normalization/)之后，检查每个实体是否出现在原文中。这属于一种[幻觉](https://broadrouter.com/zh/glossary/hallucination/)检查。
-   **标签漂移。** 在 schema 中固定类型列表，这样模型就无法发明新类型。
-   **基准不等于你的数据。** 公开数据集的标签很少与你的一致。人工标注一份样本，计算精确率、召回率和 F1，就像任何[评测](https://broadrouter.com/zh/glossary/eval/)一样。

## 在 BroadNet Inference 上

BroadNet 没有 NER 端点；你需要基于 POST /v1/chat/completions 来实现。BroadNet 的 API 参考记录了 [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) 和 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 的[结构化输出](https://broadrouter.com/zh/glossary/structured-output/)，借此可以把模型约束在实体列表和固定的类型集合上。对于以图片形式提供的文档，Qwen3.8 27B 也支持图像输入。

BroadNet 没有公布其模型的 NER 基准结果。[阿拉伯语命名实体抽取](https://broadrouter.com/zh/blog/arabic-named-entity-extraction-llm/)一文提供了提示词、忽略变音符号的片段检查、回历日期处理，以及可在你自己的样本上运行的评分脚本。

## 常见问题

### NER 和实体抽取有什么区别？

在研究中，NER 通常指给每个 token 打标签。实体抽取则常指返回实体列表，大多数大模型流水线都是这样做的。按你实际上线的方式来评分。

### 模型返回的实体为什么和我的阿拉伯语原文对不上？

常见原因是模型在复制时改了 hamza、去掉了 tatweel 或加上了变音符号。先对实体和原文都做规范化，再检查实体是否出现在原文中。

### 什么是嵌套 NER？

实体内部还包含其他实体，比如机构名中含有城市名。Wojood 标注了这类实体，其中 22.5% 的实体是嵌套的。

## 另请参阅

-   [结构化输出（structured output）](https://broadrouter.com/zh/glossary/structured-output/)（术语）
-   [JSON Schema](https://broadrouter.com/zh/glossary/json-schema/)（术语）
-   [阿拉伯语文本规范化（Arabic text normalization）](https://broadrouter.com/zh/glossary/arabic-text-normalization/)（术语）
-   [个人身份信息（PII）](https://broadrouter.com/zh/glossary/pii/)（术语）
-   [评测（eval，LLM evaluation）](https://broadrouter.com/zh/glossary/eval/)（术语）
-   [AI 幻觉（hallucination）](https://broadrouter.com/zh/glossary/hallucination/)（术语）
-   [用大模型做阿拉伯语命名实体抽取：JSON、日期与校验](https://broadrouter.com/zh/blog/arabic-named-entity-extraction-llm/)（文章）
-   [用大模型做阿拉伯语文本分类：情感、意图与工单分派](https://broadrouter.com/zh/blog/arabic-text-classification-llm/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-named-entity-recognition&utm_content=page-cta) ·

**来源**

-   [Tjong Kim Sang 和 De Meulder，Introduction to the CoNLL-2003 Shared Task: Language-Independent Named Entity Recognition（CoNLL 2003，ACL Anthology）（2026-11-15 查阅）](https://aclanthology.org/W03-0419/)
-   [Tjong Kim Sang 和 De Meulder，CoNLL-2003 论文全文（arXiv cs/0306050，ar5iv HTML）（2026-11-15 查阅）](https://ar5iv.labs.arxiv.org/html/cs/0306050)
-   [CAMeL Lab，ANERcorp 训练/测试划分下载页（2026-11-15 查阅）](https://camel.abudhabi.nyu.edu/anercorp)
-   [Jarrar、Khalilia 和 Ghanem，Wojood: Nested Arabic Named Entity Corpus and Recognition using BERT（LREC 2022，ACL Anthology）（2026-11-15 查阅）](https://aclanthology.org/2022.lrec-1.387/)
