在之前学校的时候用人工标注数据，CRF++实现了一个关于招聘信息的命名实体识别。（前面的文章有写，自自行寻找。）
参加工作以后发现之前虽然实现了命名实体识别，但是实体并没有识别到详细的类别上。
因为自己目前在医疗行业，实际需求是不但要识别出哪些实体，还要识别出实体是属于哪个类别的实体。比如，心脏病是一个实体，还要识别出他是一个病DIS，那么标记就变成了：
心 B-DIS
脏 I-DIS
病 E-DIS
而不是之前的：
心 B
脏 I
病 E
这样在数据集准备的手段和方法就会有所差别，之前手工标注(职位要求：1,懂【大数据】，会【Python】，有经验。。)这样的手段就比较困难了。需要另一种手段来：
1，通过爬虫各种收集手段，先尽可能的构建出领域的词典，并标明实体类别，例如：心脏病 DIS，头晕 DYM，
2，运用现有的工具jieba转为词性是别的方式来，将上面的词典和实体类别加进去。再写程序转变成我们需要的样子，但是可能会有错，因此需要人工再审核一遍，才能真的作为我们的训练数据。
当然，完全可以通过以前的CRF++的方法，加人工，快数扩大我们的词典（心脏病 DIS，头晕 DYM。。。），缩短数据集准备的时间。
有了数据集就可以挑机器学习算法了，CRF++，或者膨胀卷积神经网络，因为CRF++一般只能看见前后两个词，而医学上的识别可能长达十几个词，因此选着膨胀卷积神经网络比较适合。训练处的模型时有预测能力的，未登录词也能识别，这就是深度学习根据上下文预测的好处。
