面向信息抽取的中文命名實(shí)體識(shí)別研究.pdf

1、文本信息抽取是海量文本信息處理的重要環(huán)節(jié)，旨在為人們提供從海量聯(lián)機(jī)文本中快速、準(zhǔn)確地獲取有用信息的工具，是一個(gè)具有高度理論和實(shí)用價(jià)值的研究課題。命名實(shí)體識(shí)別實(shí)現(xiàn)了從眾多信息中標(biāo)識(shí)并分離出相關(guān)的命名實(shí)體，它是信息抽取中最為基本的任務(wù)，是語言信息處理技術(shù)中的關(guān)鍵基礎(chǔ)技術(shù)，是正確理解和處理文本信息的基礎(chǔ)。進(jìn)行文本分析時(shí)，命名實(shí)體識(shí)別就成為信息處理的首要任務(wù)。另外，命名實(shí)體識(shí)別的研究還有利于信息檢索、機(jī)器翻譯、文本分類等應(yīng)用系統(tǒng)的實(shí)現(xiàn)。因此，研

2、究命名實(shí)體的自動(dòng)識(shí)別具有重要的理論意義和實(shí)踐價(jià)值。
　　 本文以現(xiàn)代漢語文本中的人名、地名和組織名識(shí)別為研究對(duì)象開展工作，主要內(nèi)容如下：
　　 1.將條件隨機(jī)場(chǎng)應(yīng)用到了中文命名實(shí)體識(shí)別的研究中。條件隨機(jī)場(chǎng)作為一種比較新型的機(jī)器學(xué)習(xí)方法，能夠克服一些模型中存在的標(biāo)記偏置問題并避免了嚴(yán)格的獨(dú)立性假設(shè)，在序列標(biāo)記任務(wù)中表現(xiàn)出了良好的性能。
　　 2.根據(jù)各類命名實(shí)體的特點(diǎn)，本文提出了適合于人名、地名以及組織名的特征函數(shù)