词法分析（lexical analysis）：将字符序列转换为单词（Token）序列的过程。
分词，命名实体识别，词性标注 并称 汉语词法分析“三姐妹”。
命名实体识别（Named Entity Recognition，NER）NER的过程，就是根据输入的句子，预测出其标注序列的过程。
主要关注人名、地名和组织机构名这三类专有名词的识别方法。
一般一共分为四大类：PER（人名），LOC（位置），ORG（组织）以及MISC，而且B表示开始，I表示中间，O表示单字词
所谓实体识别，就是将你想要获取到的实体类型，从一句话里面挑出来的过程。
小明 在 北京大学 的 燕园 看了 中国男篮 的一场比赛
PER ORG LOC ORG
如上面的例子所示，句子“小明在北京大学的燕园看了中国男篮 的一场比赛”，通过NER模型，将“小明 ”以PER，“北京大学”以ORG，“燕园”以LOC，“中国男篮”以ORG为类别分别挑了出来。
命名实体识别的数据标注方式
NER是一种序列标注问题，因此他们的数据标注方式也遵照序列标注问题的方式，主要是BIO和BIOES两种。这里直接介绍BIOES，明白了BIOES，BIO也就掌握了。
先列出来BIOES分别代表什么意思：
B，即Begin，表示开始
I，即Intermediate，表示中间
E，即End，表示结尾
S，即Single，表示单个字符
O，即Other，表示其他，用于标记无关字符
将“小明 在 北京大学 的 燕园 看了 中国男篮 的一场比赛”这句话，进行标注，结果就是：
小明 在 北京大学 的 燕园 看了 中国男篮 的一场比赛
[B-PER，E-PER，O, B-ORG，I-ORG，I-ORG，E-ORG，O，B-LOC，E-LOC，O，O，B-ORG，I-ORG，I-ORG，E-ORG，O，O，O，O]
用到的算法：
隐马尔科夫模型HMM，条件随机场（Conditional Random Field, CRF），长短期记忆网络（LSTM，Long Short-Term Memory）
卷积神经网络（Convolutional Neural Networks, CNN），BERT（Bidirectional Encoder Representation from Transformers，即双向Transformer的Encoder）
DEMO
ref：
https://www.cnblogs.com/nxf-rabbit75/archive/2019/04/18/10727769.html