中文機構名識別的研究.pdf_第1頁
已閱讀1頁,還剩68頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、中文命名實體識別是中文信息處理任務的前提和基礎,其中機構名占有相當大的比重,而且是最難識別的一部分,其識別精度還遠遠達不到實際應用的需要。本文詳細研究了中文機構名的識別方法,并實現了一個有效的中文機構名識別系統(tǒng)。 本文將中文機構名分為簡單機構名和復雜機構名,其中簡單機構名僅由一個詞組成,結構簡單,而復雜機構名則由多個詞組成,結構相對復雜。根據兩類機構名不同的結構特點采用不同的方法進行識別。 復雜機構名中經常嵌套包含簡單機

2、構名,因此采用一個雙層模型進行識別。首先在低層采用條件隨機場模型(Conditional Random Fields,CRF)識別簡單機構名,CRF可以使用更復雜的特征進行訓練和推理,它不但能夠充分利用上下文信息作為特征,還可以任意添加其他的外部特征,是目前最優(yōu)秀的序列標注模型之一。實驗證明,采用CRF識別簡單機構名能夠獲得較好的性能;然后將低層的識別結果傳至高層,輔助進行復雜機構名的識別,最后將兩層的識別結果進行合并。本文采用兩種方法

3、識別復雜機構名: 一種是支持向量機(Support Vector Machine,SVM)和CRF相結合的方法。即根據復雜機構名的結構特點,將識別分為右邊界識別和前部標注,對文本中出現在特征詞表中的詞,采用SVM判斷其是否是機構名的右邊界,對確定為右邊界的詞向前采用CRF進行標注,也就是尋找機構名左邊界的過程。在前部標注的過程中加入了候選詞的策略,在一定程度上提高了識別精度。 另一種是CRF和可信度模型相結合的方法。首先

4、建立特征詞可信度模型和前部詞可信度模型,然后針對文本中的每個詞分別計算其可信度的大小,并將可信度信息加入到CRF中進行學習,最終獲得識別模型。 最后對機構名簡稱和兼類機構名進行詳細的分析。該類機構名的識別涉及到語義層次,單純采用統(tǒng)計方法無法有效的進行識別,本文根據它們不同的結構特點,制定了有效的規(guī)則進行初步的識別。 實驗證明本文的識別方法是有效的,針對北大版語料的開式精確率、召回率和F值分別為94.83%,95.02%和

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論