基于微博中嵌套命名實體識別的研究.pdf

1、伴隨著中國互聯(lián)網建設的不斷完善及發(fā)展，網絡逐漸滲透進社會各行各業(yè)和人們生活各方各面。多樣化的互聯(lián)網應用為我們帶來巨大的便捷性，許多網民通過互聯(lián)網進行網上社交娛樂、購物支付等。網絡社交平臺，如Twitter、新浪微博等，已經成為眾多網民間溝通交流、獲取信息的重要媒介與途徑。人們利用這類社交平臺發(fā)表、分享自己感興趣的文字、圖片、視頻等信息。然而隨之帶來的是每天海量數據的產生，如何從這些大規(guī)模數據中提取有用的信息，并運用這些信息知識帶動社會的

2、發(fā)展與進步，顯得尤為重要，也是數據挖掘領域的一大新的挑戰(zhàn)。
　　當前，嵌套命名實體識別作為命名實體識別任務的主要組成部分，是許多科學研究（如：問答系統(tǒng)、知識圖譜、人工智能等）中最為基礎、核心的技術之一，并且其相關識別方法成果在實際生活中也具有廣泛的應用。中文的復雜性導致在文本內往往存在著較多的嵌套命名實體?，F(xiàn)有的命名實體識別方法能夠較好的識別出結構相對簡單的基本命名實體，但對于結構復雜的嵌套命名實體卻很難完整地、準確地識別出來，再

3、加上現(xiàn)有方法多集中于常規(guī)文本中的命名實體識別研究。
　　針對微博中嵌套命名實體的提取，本文在分析其層次結構的基礎上，將嵌套命名實體的識別任務拆分為兩個部分，并通過合理構建特征庫、外部語義知識庫以及特征模板等手段進行微博中嵌套命名實體的識別。本文的主要研究內容包含以下幾點：
　　1.本文在對嵌套命名實體的結構分析基礎上，給出其獨有的5種層次結構特征類型，并認為嵌套命名實體的識別在結構相對簡單的基本命名實體識別之后更加合適。因此

4、，本文提出了一種基于層疊條件隨機場模型的微博中嵌套命名實體識別方法，該方法將識別任務劃分為兩個階段：首先在一個條件隨機場模型解決結構相對簡單的人名、地名以及機構名等基本命名實體的識別，然后將識別結果傳遞到另一個條件隨機場模型中為實現(xiàn)對嵌套命名實體的識別提供決策依據。
　　2.本文提出了一種基于詞性標記的嵌套命名實體特征詞自動提取算法，構建嵌套命名實體特征庫。同時，本文針對特征詞重要度這一個概念，提出了自己的改進方法。除此之外，本文

5、人工地構建一個外部語義知識庫，使得識別模型能夠獲取到足夠豐富的信息來進行判別。
　　3.本文針對層疊條件隨機場中的低層與高層條件隨機場識別模型，分別構建出合適的特征模板集合，并提出一種基于特征重要度的特征模板選取策略，提高識別模型的整體識別效果。
　　4.最后，本文通過對比實驗的方式，比較了不同窗口大小對識別過程中的精確率、召回率以及F值的差異影響，最終選定識別模型中合適的窗口大小。此外，最終實驗結果證明本文提出的基于層疊條