4. 命名实体识别(NER)基础：什么是NER，BIO/BIESO标注体系

命名实体识别（Named Entity Recognition，NER）是自然语言处理中的一项核心基础任务，也是采购合同智能条款抽取的关键技术起点。在合同文本中，我们需要精准定位并分类出具有特定意义的实体，例如合同主体、金额、日期、产品名称等，才能为后续的关系提取和条款结构化奠定基础。

4.1 什么是命名实体识别（NER）

NER的目标是从非结构化文本中识别出具有特定类别的实体（Entity），并将其归类到预定义的类别中。在采购合同场景下，常见的实体类别包括：

4.2 NER的序列标注本质

NER通常被建模为序列标注（Sequence Labeling）问题：给定一个由n个字符或词语组成的输入序列 X = (x₁, x₂, ..., xₙ)，模型需要为每个位置预测一个标签 yᵢ，标签集合由标注体系定义。最终，连续的相同类别标签被合并为一个完整的实体。

下图展示了从原始合同文本到实体识别结果的完整流程：

4.3 BIO标注体系

BIO（Begin-Inside-Outside）是最基础、最广泛使用的序列标注体系。它将每个位置（字或词）赋予以下三种标签之一：

• B-（Begin）：实体的开始位置。
• I-（Inside）：实体的内部位置（非开始）。
• O-（Outside）：非实体部分。

对于多类别NER，B和I后面会跟上实体类别标签，例如 B-ORG、I-ORG、B-DATE、I-DATE 等。

4.4 BIESO标注体系

BIESO是BIO的增强版本，增加了两个标签以更精确地描述实体边界，尤其适用于处理单字实体和长实体：

4.5 两种标注体系的对比总结

4.6 采购合同NER的标注实践建议

• 推荐使用BIESO体系：采购合同中存在大量长实体（如“北京智云科技有限公司”），且单字实体（如“货”、“款”）也频繁出现，BIESO的E和S标签能显著减少边界错误。
• 实体类别设计：建议控制在6-10个核心类别，避免类别过多导致标注不一致。常见类别包括：ORG、PERSON、DATE、MONEY、PRODUCT、TERM、CLAUSE_NUM（条款编号）等。
• 标注一致性：对于嵌套实体（如“《中华人民共和国民法典》”中的“中国”和“民法典”），建议只标注最外层完整实体，避免嵌套标注带来的歧义。