简而言之，命名实体识别 (NER) 是一个多类结构化预测（分类）问题，因此您有一个单词序列，并且您希望大多数时间都使用这些标签来标记每个单词（start-of-a-person -name, continue-of-a-person-name, start-of-an-org-name, continue-of-an-org-name, start-of-a-location-name, continue-of-a-location -名称，其他）。请注意，这些不是唯一的类，也可以使用具有不同粒度的类。

如果你想用 SVM 解决这个问题，你可以使用 StructSVM 或 SVM 的其他变体进行结构预测。尽管此任务的通用基线使用最大熵（Maxent）（对数线性）模型。

命名实体识别可以看作是一个多类分类问题。需要一个大型数据集来训练一个模型（最好是贝叶斯）来识别不同的命名实体。您可以使用词嵌入（如 google word2vec）来准备您的训练集。此外，如果您想完成工作，可以尝试使用 IBM Bluemix AlchemyAPI 进行命名实体提取。