面试题库 › 算法 / 大模型 › 传统 NLP 中分词与命名实体识别的常见算法

传统 NLP 中分词与命名实体识别的常见算法

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:词向量与文本表示

哪些公司问过

小红书1

常见岗位:NLP / 语音

答案要点

  1. 分词:基于词典的最大匹配(正向/逆向/双向),基于统计的 n-gram 语言模型加动态规划
  2. 分词也可转为字级序列标注(BMES),用 HMM、CRF 等模型,能识别部分未登录词
  3. NER 是序列标注任务,常用 BIO/BIOES 标签体系
  4. NER 算法演进:规则与词典、HMM、CRF、BiLSTM-CRF、BERT 微调(可加 CRF)
  5. CRF 是判别式模型,可融合丰富上下文特征并建模标签转移约束

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题