基于CRF的蒙古文人名自動識別.pdf

1、蒙古文命名實體識別是蒙古文自然語言處理的基礎(chǔ)課題，被廣泛地應(yīng)用于蒙古文信息抽取、機器翻譯、文本聚類、信息檢索等領(lǐng)域。而在蒙古文命名實體識別中人名所占的比例最大，其識別難度也較大。所以，蒙古文人名識別的研究對蒙古文信息處理具有非常重要的意義。
　　為了能夠正確的從蒙古文文本中識別出人名，結(jié)合蒙古文人名的特點和蒙古文人名的識別難點，本文最終使用條件隨機場(CRF, Conditional Random Field)模型實現(xiàn)蒙古文人名識

2、別系統(tǒng)。基于CRF模型的蒙古文人名識別系統(tǒng)由語料預(yù)處理、CRF模型訓(xùn)練、CRF模型蒙古文人名預(yù)測和系統(tǒng)評測四部分組成。其中CRF特征模板的設(shè)計和特征選擇是影響CRF模型人名預(yù)測效果的主要因素。
　　本文使用文中設(shè)計的6種CRF特征模板分析哪些特征利于提升蒙古文人名識別系統(tǒng)的性能。通過測試特征模板發(fā)現(xiàn)引入上下文信息和特征組合可以提升蒙古文人名的識別性能。并通過6種特征模板的對比實驗發(fā)現(xiàn)在設(shè)計特征模板時不能過于復(fù)雜，以避免因數(shù)據(jù)稀疏而