BIO 标注体系BIOBegin-Inside-Outside是 NER命名实体识别任务中最常用的序列标注编码方案用于将实体片段抽取问题转化为逐 token 分类问题。一、三种标签前缀前缀含义作用B-XXXBegin实体片段的起始token标记一个实体的开始边界I-XXXInside实体片段的内部/后续token标记实体延续部分与前面的 B/I 同类型衔接OOutside不属于任何实体标记非实体 token其中XXX是实体类型如PER人名、ORG机构、LOC地名、GPE地缘政治实体等。二、标签含义示例以句子张三在北京大学读书为例按字切分字张三在北京大学读书标签B-PERI-PEROB-ORGI-ORGI-ORGI-ORGOO逐个解释B-PER张人名实体的起始字表示张是一个 PER 类型实体的开始。I-PER三人名实体的内部字与前面的 B-PER 衔接共同构成完整实体张三。O在、读书非实体不归属任何命名实体。B-ORG北机构名实体的起始字。I-ORG京大学机构名实体的延续字与 B-ORG 共同构成北京大学。三、解码规则从标签序列还原实体片段的规则遇到B-XXX→ 开启一个新实体记录类型和起始位置。遇到I-XXX→ 若与前一个实体类型相同则延续当前实体若类型不同或前一个不是同类实体则视为非法实践中通常截断或报错。遇到O→ 关闭当前实体输出已积累的片段。例如上例解码结果张三→ PER北京大学→ ORG四、BIO 的扩展变体方案增加的标签用途BIOESEEnd实体末位、SSingle单字实体显式标注实体边界部分任务精度更高BIOHDHHyphen、DDifferent处理嵌套实体BIOES 示例“张三”张三B-PERE-PER单字实体如京作为地名则标S-LOC。五、为什么需要 BIO 而不是直接标类型若直接给每个 token 标PER/ORG/O模型无法区分相邻同类实体边界。例如张三李四两个独立人名直接标注为PER PER解码时会被错误合并为一个实体张三李四。BIO 通过B显式标记起始边界保证B-PER I-PER B-PER I-PER→ 解码为两个实体张三和李四B-PER I-PER I-PER I-PER→ 解码为一个实体张三李四六、与 CRF 的配合BIO 标签序列存在合法转移约束例如O不能直接接I-XXX必须有前置B-XXXB-PER不能接I-ORG类型必须一致CRF 的转移矩阵可以学习这些约束对非法转移赋予负权重从而在解码阶段自动避免不合法的标签序列。这是 BiLSTM-CRF / BERT-CRF 在 NER 中优于纯 softmax 输出层的关键原因之一。