中文命名實體識別及若干相關(guān)問題的研究.pdf

1、命名實體是自然語言中承載信息的重要語言單位。中文命名實體識別是中文信息處理的關(guān)鍵技術(shù)之一，隨著中文命名實體在各個領(lǐng)域的廣泛應(yīng)用，它既是一項基礎(chǔ)性研究也是一項具有較高價值的應(yīng)用研究。目前，在中文命名識別遇到問題主要是命名實體識別的眾多影響因素導(dǎo)致具有復(fù)雜結(jié)構(gòu)的命名實體識別效果差；盡管現(xiàn)有方法眾多，但是中文命名實體識別仍沒有達(dá)到較為理想的狀態(tài)。
　　 目前對命名實體中人名、地名識別展開的研究比較成熟，而對機構(gòu)名識別的研究不夠理想。面

2、對構(gòu)造復(fù)雜的機構(gòu)名獲取特征，并運用這些特征來構(gòu)建相應(yīng)模型來解決機構(gòu)名的識別問題以及對現(xiàn)有方法的不足進(jìn)行改進(jìn)是尤為重要的。
　　 首先，采用層疊式條件隨機場模型方法，把處理文本看成一系列觀察值，利用底層條件隨機場模型對觀察值做初步人名、地名識別，接著利用識別的結(jié)果傳入到高層作為高層的觀察值再進(jìn)一步進(jìn)行機構(gòu)名識別；同時在層疊式條件隨機場、模型之間融合規(guī)則的方法來處理具有一定規(guī)律的特性的命名實體；在面對條件隨機場模型訓(xùn)練耗費時間的問題

3、上引入了一種快速的訓(xùn)練方法。
　　 然后，對復(fù)雜機構(gòu)名的錯誤識別進(jìn)行分析，指出了其影響因素，并針對其中因素之一（兼類型命名實體）進(jìn)一步研究，運用了支持向量機模型在二值分類的優(yōu)點對兼類型人名、地名進(jìn)行了初步識別；并對簡稱難識別情況，這一機構(gòu)名識別影響因素進(jìn)行初步分析，并根據(jù)簡稱和全稱的構(gòu)詞上下文構(gòu)詞特點一致的特性，給出一種以上下文構(gòu)詞組成的引導(dǎo)表結(jié)合全稱匹配的方法對簡稱進(jìn)行識別。
　　 最后，分別進(jìn)行地名、機構(gòu)名識別，兼類