2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、命名實(shí)體識別是自然語言處理技術(shù)中一項(xiàng)關(guān)鍵而基礎(chǔ)的任務(wù),中文地名是命名實(shí)體的一個(gè)重要組成部分,且中文地名的特點(diǎn)比較復(fù)雜多樣,構(gòu)成比較隨意,導(dǎo)致中文地名識別成為自然語言處理中一個(gè)難以解決的任務(wù)。本文主要對中文地名的識別進(jìn)行研究,采用條件隨機(jī)場(Conditional RandomFields,CRF)模型來實(shí)現(xiàn)對中文地名的識別。
   本文首先概述了命名實(shí)體識別及其中文地名識別的概念、研究背景、國內(nèi)外研究現(xiàn)狀,并對現(xiàn)有的方法進(jìn)行了研

2、究和分析。通過對目前主流方法的學(xué)習(xí),決定采用條件隨機(jī)場對地名進(jìn)行識別。條件隨機(jī)場是目前性能較好的模型之一,它既不受到隱馬爾科夫模型中的獨(dú)立性假設(shè)的限制,又不存在最大熵模型中的標(biāo)記偏置問題,是一種優(yōu)秀的統(tǒng)計(jì)學(xué)習(xí)方法。
   中文地名的識別可以轉(zhuǎn)化為對序列進(jìn)行標(biāo)注,因此訓(xùn)練集和測試集的正確標(biāo)注直接影響了識別性能。現(xiàn)有的識別模型在對語料進(jìn)行分詞時(shí),大多采用ICTCLAS系統(tǒng),由于該系統(tǒng)存在一些地名分詞錯(cuò)誤,降低了整體的識別性能。針對上

3、述問題,本文建立了地名詞典,將其添加入ICTCLAS系統(tǒng)的用戶詞典,從而保證地名分詞的正確性。
   條件隨機(jī)場雖然是很優(yōu)秀的機(jī)器學(xué)習(xí)模型,但也存在收斂速度慢,訓(xùn)練時(shí)間長的缺點(diǎn),因此選取合適而精煉的特征就尤其重要。本文在結(jié)合中文文本中地名的特點(diǎn)并且學(xué)習(xí)分析了前人的研究,通過實(shí)驗(yàn)篩選了更優(yōu)的特征,并且采用遞增式學(xué)習(xí)策略進(jìn)行特征模版的篩選,提高了條件隨機(jī)場的地名識別性能。
   實(shí)驗(yàn)結(jié)果表明本文提出的中文地名識別方法能夠獲得

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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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