基于支持向量機的中文組織機構名識別.pdf

1、中文組織機構名的識別是中文信息處理中的一個重要任務，也是命名實體識別（Named Entity Recognition）研究的重點之一。命名實體包括人名、地名、機構名、時間短語等，組織機構名是其中非常重要的一部分，其識別的難度也是所有命名實體中最大的。包括機構名在內(nèi)的命名實體的識別是許多自然語言處理任務，如信息抽取、機器翻譯、信息檢索等的基礎，具有十分重要的意義。 統(tǒng)計方法是自然語言處理中最重要的方法之一。在統(tǒng)計學習理論的基礎上

2、發(fā)展起來支持向量機是一種新的通用學習方法?；诮Y(jié)構風險最小化原則的支持向量機在許多研究問題中，特別是樣本集有限的情況下，表現(xiàn)出了優(yōu)于其它機器學習方法的性能。目前，支持向量機已經(jīng)應用于自然語言處理的許多領域，如文本分類，淺層句法分析，專名識別等，都取得了不錯的效果。 本文提出了一種支持向量機結(jié)合主動學習策略進行中文機構名識別的方法：用支持向量機對切分標注過語料中的中文機構名進行識別，并在樣本選擇和模型訓練時，結(jié)合了主動學習的策略。