中文最長名詞短語識別研究.pdf

1、名詞短語是文本主要的組成部分，很好的識別出名詞短語可以很大程度上幫助把握文章所表達的主要意思。而中文最長名詞短語亦是如此。中文最長名詞短語應用于諸多自然語言處理任務中，如信息檢索、文本分類、自動文摘、指代消解等，因此對于中文最長名詞短語的研究是有必要的。本文對中文最長名詞短語的識別作專門的研究，分別使用了隱馬爾可夫模型和條件隨機域模型對中文最長名詞短語進行識別。
　　本文先使用隱馬爾可夫模型對中文最長名詞短語進行識別。分別使用了傳

2、統(tǒng)的隱馬爾可夫模型和二階隱馬爾可夫模型對文本進行中文最長名詞短語進行識別。因為二階HMM考慮了前一個狀態(tài)的信息，增加了可預見性，所以二階隱馬爾可夫模型的結果好于傳統(tǒng)的隱馬爾可夫模型。但是總體的試驗結果并不理想。這主要是由于隱馬爾可夫模型的一些自身特點造成最長名詞短語識別的效果不理想。針對隱馬爾可夫模型的缺點，本文使用了條件隨機域模型來對最長名詞短語進行識別。相對于隱馬爾可夫模型較強的獨立假設等缺點，條件隨機域模型則可以允許觀察序列任意的

3、依賴關系，而且特征并不需要特指究竟是是一個狀態(tài)還是觀察值?；跅l件隨機域模型的中文最長名詞短語識別的識別最長名詞短語的效果還是比較理想的。
　　本文還將最長名詞短語識別應用到了面向特定任務的指代消解中。中文最長名詞短語包含了最長名詞短語中的中心名詞的修飾成分，這修飾成分中會包括中心名詞的性別、顏色、數(shù)量、日期、方位等類型的描述信息。指代消解所需要則是上述一系列描述信息中的數(shù)量信息和性別等信息，因此可以使用最長名詞短語識別，從文本中