命名实体识别 (NER: Named Entity Recognition) 是从文本中自动识别人名、地名、组织名、日期、金额等命名实体，并将其分类到预定义类别中的自然语言处理技术。例如，从 "张三于 2024 年加入了位于北京的 ABC 公司" 这句话中，可以提取出 "张三" 为人名、"2024 年" 为日期、"北京" 为地名、"ABC 公司" 为组织名。它是信息提取中最基本的任务之一，被定位为文本挖掘的起点。

要分成哪些类别并不是固定的，而是随所采用的标签体系而变化。日语方面有像关根的扩展命名实体层级那样细致分层的体系，而 spaCy 标准使用的 OntoNotes5 类别数量则少得多，属于较粗的分类。日语分析库 GiNZA 在官方文档中说明，它把基于扩展命名实体层级的抽取结果映射到 OntoNotes5 之后再输出。也就是说，即使用同一个模型处理同一段文本，返回的标签有多细也要看体系。

NER 技术大致可分为三代。早期采用基于规则的方法，使用正则表达式和词典进行模式匹配。之后 CRF (条件随机场) 和 HMM (隐马尔可夫模型) 等统计方法成为主流。截至 2026 年，基于 BERT 和 GPT 等预训练语言模型进行微调的深度学习方法报告出了最高的精度。

NER 是众多 NLP 应用的基础技术。在问答系统中，通过问题中的命名实体作为线索检索答案；在知识图谱构建中，NER 是提取实体间关系的必要前置步骤。从新闻文章的自动分类，到医疗文档中药品名和疾病名的提取，再到金融报告中公司名和数值的提取，NER 在各行各业都有广泛应用。spaCy、Stanford NER 和 Hugging Face 的 Transformers 库是代表性工具。

日语的 NER 有其特有的课题。由于日语不用空格分隔单词，面向日语的实现大多依赖形态素分析器，其分割精度会直接影响 NER 的结果。GiNZA 在官方文档中记载，词元化 (形态素分析) 的处理使用 SudachiPy；东北大学的日语 BERT (在 Hugging Face 上的仓库名为 tohoku-nlp/bert-base-japanese，旧为 cl-tohoku) 则在模型卡中说明，先用 MeCab 与 IPA 词典切分单词，再用 WordPiece 做子词切分。人名与普通名词的区分 ("松" 是人名还是植物名)、新词和缩写的应对、敬称的处理等也都是困难的问题。面向日语的 NER 模型中，GiNZA 以及使用上述日语 BERT 的模型被广泛采用。

一个常见的误解是认为 NER 可以完美运行，但实际上精度因领域而异。对于新闻文章等结构规范的文本，容易达到较高精度；而对于社交媒体帖子和聊天消息等非正式文本，精度往往会下降。此外，处理训练数据中不存在的新命名实体 (新成立的公司名、新人名等) 也是一个挑战，需要定期重新训练模型。

在阅读精度的数值时，需要连它是在哪一套标签体系下得出的值一并看清。GiNZA 官方文档公开的扩展命名实体抽取精度 (ENE) 为：ja_ginza (v5) 是 53.9，ja_ginza_electra 是 61.3，测试版的 ja_ginza_bert_large 是 70.8。同一份文档还明确写出，OntoNotes5 的类别数比扩展命名实体层级少得多 (更粗)，因此映射到那里之后的抽取精度，一般会高于扩展命名实体下的数值。也就是说，"NER 的精度是多少" 这个提问，不指定体系与评测数据就定不出答案。在考虑引入的场合，现实的做法是不要把公开的数值直接当成自己用途的预期值，而是先用自己要处理的文档试一遍，并事先定好抽取遗漏与误检哪一边在业务上更痛。

从字符计数的角度来看，分析 NER 提取的命名实体的字符数分布有助于了解文本的信息密度和构成。命名实体丰富的文本表明具体信息充足，而命名实体较少的文本则暗示内容以抽象为主。将字符计数工具与 NER 结合使用，可以实现文本的定性分析。不过被抽取出的命名实体的件数与合计字符数，会受标签体系与分割粒度的左右。把 "ABC 公司" 当作 1 个组织名来取，还是只取 "ABC"，件数与字符数都会随之改变。若要用于追踪趋势，前提就是持续用同一个模型与同一套体系来数。