命名实体识别

znlp 的 NER 只识别两类实体：地名（ns）和机构团体（nt）。标签集硬编码在 NERPerceptronInstance 中（targetPos = {"ns", "nt"}），完整标签为：

B-ns  M-ns  E-ns  B-nt  M-nt  E-nt  O  S

人名不由 NER 负责，而是走独立的 PersonNamePerceptron 模型（在 standard() 配方里默认开启）。时间、数字、金额等也不属于 NER，它们由 Duckling 处理。如果你的需求是通用实体抽取（人名、机构、地名、时间、数量全覆盖），需要把这三者组合起来。

在分词流水线中开启

NER 默认不开启，需要显式追加：

import segment.dev.znlp.WordSegmenter;
import recipe.segment.dev.znlp.SegmentRecipe;
import segment.dev.znlp.Token;

WordSegmenter segmenter = SegmentRecipe.standard().withNer().build();

for (Token t : segmenter.segment("中国科学院位于北京市")) {
    System.out.println(t.word + "/" + t.getNature());
}

命中的实体，其 Token.getNature() 会被设为 Nature.ns 或 Nature.nt，由 NerProcessor 在合并 B/M/E 跨度之后写回。

因为 WordSegmenter 线程安全，这个 segmenter 应该作为单例长期持有，而不是每次调用都 build()。

独立使用 NERPerceptron

已有分词和词性结果时，可以跳过流水线直接调用 ner.impl.segment.dev.znlp.NERPerceptron：

import ner.impl.segment.dev.znlp.NERPerceptron;
import segment.dev.znlp.WordAndNature;

NERPerceptron ner = Znlp.getService(NERPerceptron.class);

List<String> labels = ner.decode(sentence);   // sentence 是 List<WordAndNature>

注意 decode 的入参是 List<WordAndNature> 而不是 List<String>——NER 需要词性作为特征。Token 本身就实现了 WordAndNature，所以可以直接把分词结果传进来。

加载模型

static NERPerceptron loadFromModelDir(File dir)
static NERPerceptron loadFromClasspath(String path)
static NERPerceptron loadFromResource(NlpResourceLoader loader, String path)

默认模型资源是 znlp/ner/ner.model，随 znlp-resources jar 分发。loadFromModelDir 用于加载自己训练出的目录式模型。

人名识别

人名走的是另一条路径。PersonNamePerceptron 在 standard() 配方中默认启用，可以用 withoutPersonNames() 关闭：

WordSegmenter noNames = SegmentRecipe.standard().withoutPersonNames().build();

独立使用：

import personname.impl.segment.dev.znlp.PersonNamePerceptron;

PersonNamePerceptron pn = Znlp.getPersonNamePerceptron();   // 门面提供的快捷方法
List<String> names = pn.findPersonName("文本");
// 也有 char[] 重载：pn.findPersonName(char[])

PersonNamePerceptron 使用 BMEO 标注，常量为 B=0 / M=1 / E=2 / O=3。模型资源是 znlp/personname/nr-name.model。

Znlp.getPersonNamePerceptron() 返回的就是默认分词器所用的那个实例，因此它和 Znlp.segment 的人名结果一致。

组合出完整的实体抽取

由于三类能力分散在不同组件，一个覆盖人名 / 地名 / 机构 / 时间 / 数量的抽取流程大致是这样：

// 1. 分词 + POS + 人名 + NER 一次拿到
WordSegmenter segmenter = SegmentRecipe.standard().withNer().build();
List<Token> tokens = segmenter.segment(text);

for (Token t : tokens) {
    switch (t.getNature()) {
        case nr -> handlePerson(t);        // 人名（PersonNamePerceptron）
        case ns -> handleLocation(t);      // 地名（NER）
        case nt -> handleOrganization(t);  // 机构（NER）
        default -> { }
    }
}

// 2. 时间、数字、金额、电话等结构化维度另走 Duckling
List<Dimension> dims = Znlp.parse(text);

Dimension 的 getStart() / getEnd() 是闭区间偏移，可以和 Token.offset 对齐做归并。

训练自己的 NER 模型

NERPerceptron 基于通用感知机框架，训练流程与 POS 一致：实现 PerceptronInstance，交给 PerceptronTrainer.train，产出 PerceptronTrainModel 后用 saveModelToDir(File) 落盘，运行时通过 NERPerceptron.loadFromModelDir(File) 加载。

仓库的 data/work/ 下有 ner-model、ner-model-dynamic、ner-model-new 等历史训练工作目录可作参考。完整的训练机制见感知机框架。