【第10章：自然语言处理高级应用—10.1 命名实体识别（NER）与关系抽取的实现与应用】
hello,伙伴们好！一个在NLP领域摸爬滚打多年的技术老兵。今天咱们要聊的这个话题，绝对是NLP技术体系中最硬核也最实用的部分——命名实体识别（NER）与关系抽取。这哥俩就像福尔摩斯和华生，一个负责发现线索，一个负责串联案情。准备好你的咖啡，咱们要开始这场长达万字的深度技术之旅了！
一、初探NER：文字世界的寻宝游戏
1.1 什么是实体？你的名字不只是符号
想象一下你在读新闻：“马斯克宣布特斯拉将在上海新建超级工厂”。这句话里藏着三个宝藏：“马斯克”（人物）、“特斯拉”（公司）、“上海”（地点）。NER就像个文字寻宝猎人，它的任务就是把这些关键信息标注出来。
但事情没这么简单！看看这个例子：“苹果股价昨日上涨5%”。这里的"苹果"是水果还是公司？这就需要上下文理解能力了。传统方法在这个问题上栽过不少跟头，直到深度学习大法出现…
1.2 NER进化史：从人工规则到智能觉醒
早期的方法就像拿着字典查户口：
# 基于规则的NER示例（伪代码）