语义分析词格分类

命名实体识别(NER, named entity recognization)和词性归类是 NLP 技术中的关键一环。过去 NLP 领域有不少流行的开源项目专注在这个领域，如 Spacy、NLTK 等等。我们来试试 ChatGPT 在这方面的表现情况如何。我们从"四渡赤水"的百度百科词条中，复制一段文本来测试 ChatGPT 的表现：

识别这段文本中的命名实体和词性分类：毛泽东指挥中央红军三个月的时间六次穿越三条河流，转战川贵滇三省，巧妙地穿插于国民党军重兵集团围剿之间，不断创造战机，在运动中大量歼灭敌人，牢牢地掌握战场的主动权，取得了红军长征史上以少胜多，变被动为主动的光辉战例。

运行结果如下所示。令人惊讶的是，ChatGPT 可以直接识别出"红军长征"是一个事件名，而没有当做一个主谓结构的词组。谁说 ChatGPT 不太懂中文的，它真的很懂。

命名实体：

* 毛泽东：人名
* 中央红军：组织名
* 川贵滇：地名
* 国民党军：组织名
* 红军长征：事件名

词性分类：

* 毛泽东：名词，作主语
* 指挥：动词，作谓语
* 中央红军：名词，作宾语
* 三个月的时间：名词短语，作时间状语
* 六次：数词，作数量修饰语
* 穿越：动词，作谓语
* 三条：数词，作数量修饰语
* 河流：名词，作宾语
* 转战：动词，作谓语
* 川贵滇：地名，作地点状语
* 三省：数词，作数量修饰语
* 巧妙地：副词，修饰动词“穿插”
* 穿插：动词，作谓语
* 国民党军：名词，作宾语
* 重兵集团：名词，作宾语修饰语
* 围剿：动词，作宾语修饰语
* 不断：副词，修饰动词“创造”
* 创造：动词，作谓语
* 战机：名词，作宾语
* 运动中：动态词性，作时间状语
* 大量：副词，修饰动词“歼灭”
* 歼灭：动词，作谓语
* 敌人：名词，作宾语
* 牢牢地：副词，修饰动词“掌握”
* 掌握：动词，作谓语
* 战场：名词，作宾语
* 主动权：名词，作宾语
* 取得：动词，作谓语
* 红军长征史上：名词短语，作时间状语
* 以少胜多：成语，作宾语修饰语
* 变被动为主动：成语，作宾语修饰语
* 光辉：形容词，修饰名词“战例”
* 战例：名词，作宾语。

词性分类看起来有些啰嗦，不是很易懂。还是 Spacy 的格式更舒服。让 ChatGPT 直接按Spacy 格式输出试试？

用 spacy 的方式输出依存关系

ChatGPT 同时给出了 spacy 源代码，以及实际可能的输出结果，并都用代码框高亮显示出来。