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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、中文命名實(shí)體識(shí)別是中文信息處理任務(wù)的前提和基礎(chǔ),其中機(jī)構(gòu)名占有相當(dāng)大的比重,而且是最難識(shí)別的一部分,其識(shí)別精度還遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)際應(yīng)用的需要。本文詳細(xì)研究了中文機(jī)構(gòu)名的識(shí)別方法,并實(shí)現(xiàn)了一個(gè)有效的中文機(jī)構(gòu)名識(shí)別系統(tǒng)。 本文將中文機(jī)構(gòu)名分為簡單機(jī)構(gòu)名和復(fù)雜機(jī)構(gòu)名,其中簡單機(jī)構(gòu)名僅由一個(gè)詞組成,結(jié)構(gòu)簡單,而復(fù)雜機(jī)構(gòu)名則由多個(gè)詞組成,結(jié)構(gòu)相對(duì)復(fù)雜。根據(jù)兩類機(jī)構(gòu)名不同的結(jié)構(gòu)特點(diǎn)采用不同的方法進(jìn)行識(shí)別。 復(fù)雜機(jī)構(gòu)名中經(jīng)常嵌套包含簡單機(jī)
2、構(gòu)名,因此采用一個(gè)雙層模型進(jìn)行識(shí)別。首先在低層采用條件隨機(jī)場(chǎng)模型(Conditional Random Fields,CRF)識(shí)別簡單機(jī)構(gòu)名,CRF可以使用更復(fù)雜的特征進(jìn)行訓(xùn)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(biāo)注模型之一。實(shí)驗(yàn)證明,采用CRF識(shí)別簡單機(jī)構(gòu)名能夠獲得較好的性能;然后將低層的識(shí)別結(jié)果傳至高層,輔助進(jìn)行復(fù)雜機(jī)構(gòu)名的識(shí)別,最后將兩層的識(shí)別結(jié)果進(jìn)行合并。本文采用兩種方法
3、識(shí)別復(fù)雜機(jī)構(gòu)名: 一種是支持向量機(jī)(Support Vector Machine,SVM)和CRF相結(jié)合的方法。即根據(jù)復(fù)雜機(jī)構(gòu)名的結(jié)構(gòu)特點(diǎn),將識(shí)別分為右邊界識(shí)別和前部標(biāo)注,對(duì)文本中出現(xiàn)在特征詞表中的詞,采用SVM判斷其是否是機(jī)構(gòu)名的右邊界,對(duì)確定為右邊界的詞向前采用CRF進(jìn)行標(biāo)注,也就是尋找機(jī)構(gòu)名左邊界的過程。在前部標(biāo)注的過程中加入了候選詞的策略,在一定程度上提高了識(shí)別精度。 另一種是CRF和可信度模型相結(jié)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(duì)文本中的每個(gè)詞分別計(jì)算其可信度的大小,并將可信度信息加入到CRF中進(jìn)行學(xué)習(xí),最終獲得識(shí)別模型。 最后對(duì)機(jī)構(gòu)名簡稱和兼類機(jī)構(gòu)名進(jìn)行詳細(xì)的分析。該類機(jī)構(gòu)名的識(shí)別涉及到語義層次,單純采用統(tǒng)計(jì)方法無法有效的進(jìn)行識(shí)別,本文根據(jù)它們不同的結(jié)構(gòu)特點(diǎn),制定了有效的規(guī)則進(jìn)行初步的識(shí)別。 實(shí)驗(yàn)證明本文的識(shí)別方法是有效的,針對(duì)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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于角色標(biāo)注的中文機(jī)構(gòu)名識(shí)別
- SVM和最大熵相結(jié)合的中文機(jī)構(gòu)名自動(dòng)識(shí)別.pdf
- 中文機(jī)構(gòu)名稱的自動(dòng)識(shí)別.pdf
- 大規(guī)模中文機(jī)構(gòu)名稱與機(jī)構(gòu)地址自動(dòng)翻譯研究.pdf
- 中文機(jī)構(gòu)名稱及地址的漢英翻譯方法研究.pdf
- 高精度中文機(jī)構(gòu)名稱與地址機(jī)譯策略研究.pdf
- 高精度中文機(jī)構(gòu)名稱與地址機(jī)譯策略研究
- 中文名名類型復(fù)合詞識(shí)別的語義整合機(jī)制.pdf
- 中文方言語音識(shí)別的研究.pdf
- 中文命名實(shí)體識(shí)別的研究.pdf
- 中文語義傾向識(shí)別的關(guān)鍵算法研究.pdf
- 中文時(shí)間事件關(guān)系識(shí)別的方法研究.pdf
- 中文文本姓名識(shí)別的研究.pdf
- 中文專有名詞識(shí)別的研究.pdf
- 基于支持向量機(jī)的中文組織機(jī)構(gòu)名識(shí)別.pdf
- 中文對(duì)話行為識(shí)別的機(jī)器學(xué)習(xí)算法研究.pdf
- 中文對(duì)話行為識(shí)別的機(jī)器學(xué)習(xí)算法研究
- 基于最大熵模型的中文組織機(jī)構(gòu)名識(shí)別方法研究.pdf
- 基于條件隨機(jī)域模型的中文地名識(shí)別的研究.pdf
- 基于Co-training方法的中文組塊識(shí)別的研究.pdf
評(píng)論
0/150
提交評(píng)論