目錄
序列標注的方法中有多種標注方式，其中最常見的標注方式是：BIO、BIOSE和IOB 。下面我們來介紹一下。
BIO
- B stands for 'beginning' (signifies beginning of an Named Entity, i.e. NE)
- I stands for 'inside' (signifies that the word is inside an NE)
- O stands for 'outside' (signifies that the word is just a regular word outside of an NE)
BIOES
- B stands for 'beginning' (signifies beginning of an NE)
- I stands for 'inside' (signifies that the word is inside an NE)
- O stands for 'outside' (signifies that the word is just a regular word outside of an NE)
- E stands for 'end' (signifies that the word is the end of an NE)
- S stands for 'singleton'(signifies that the single word is an NE )
IOB(即IOB-1）
IOB與BIO字母對應的含義相同，其不同點是IOB中，標簽B僅用於兩個連續的同類型命名實體的邊界區分，不用於命名實體的起始位置，這里舉個例子：
詞序列：（word）（word）（word）（word）（word）（word）
IOB標注：（I-loc）（I-loc）（B-loc）（I-loc）（o）（o）
BIO標注：（B-loc）（I-loc）（B-loc）（I-loc）（o）（o）
The IOB scheme is similar to the BIO scheme,however, here the tag B- is only used to start a segment if the previous token is of the same class but is not part of the segment.
因為IOB的整體效果不好，所以出現了IOB-2，約定了所有命名實體均以B tag開頭。這樣IOB-2就與BIO的標注方式等價了。
總結
- IOB因為缺少B-tag作為實體標注的頭部表示，丟失了部分標注信息，導致很多任務上的效果不佳
- BIO解決了IOB的問題，所以整體效果優於IOB
- BIOES額外提供了End的信息，並給出了單個詞匯的S-tag，提供了更多的信息，可能效果更優，但其需要預測的標簽更多（多了E和S），效果也可能受到影響。
下面來看一下各個標注方法的效果比較：
先來看一下數據集，都是比較經典的序列標注數據集，第一列是任務類型：
數據集介紹
接下來看一下各個標注方法的效果（這些數字均為多次實驗采樣的結果）：
標注方法的效果比對
結論：
- 可以看到IOB表現很糟糕，大多數情況下，直接用BIO就可以了;
- BIO和BIOES各有優劣，網上也有一些小伙伴反饋說：BIO和BIOES在很多任務上的表現差異不大，可能是小數點后3-4位的差別。
- 所有上述結果均為英文數據集上的結果，中文數據上暫無對比結果。