基于類(lèi)比學(xué)習(xí)的人名識(shí)別方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩45頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(jiǎn)介

1、在人們利用計(jì)算機(jī)技術(shù)自動(dòng)處理海量信息的大背景下,信息檢索、信息抽取、機(jī)器翻譯、文摘生成等技術(shù)應(yīng)運(yùn)而生。命名實(shí)體識(shí)別是對(duì)文本自動(dòng)處理的前提工作,它的質(zhì)量會(huì)直接影響到后續(xù)的一系列工作。雖然命名實(shí)體識(shí)別技術(shù)已經(jīng)相當(dāng)成熟,然而從評(píng)測(cè)的結(jié)果來(lái)看,中文命名實(shí)體的識(shí)別還遠(yuǎn)不能滿足應(yīng)用的需求。因?yàn)檫@里存在著技術(shù)、資源、應(yīng)用需求之間有機(jī)結(jié)合的問(wèn)題。 人名和其它命名實(shí)體一樣,具有開(kāi)放性和發(fā)展性的特點(diǎn),而且表現(xiàn)形式極其豐富,給其識(shí)別帶來(lái)了一定的困難。

2、包括人名識(shí)別在內(nèi)的命名實(shí)體識(shí)別問(wèn)題已經(jīng)成為詞法分析使用化的主要瓶頸。人名識(shí)別作為命名實(shí)體識(shí)別的子任務(wù),是自然語(yǔ)言處理領(lǐng)域的一個(gè)重要而困難的問(wèn)題。 在本文中,我們以人名(包括漢族人名和譯名)為研究對(duì)象,提出了一種基于類(lèi)比學(xué)習(xí)的人名識(shí)別方法。該方法通過(guò)用人名實(shí)例描述語(yǔ)言現(xiàn)象,嘗試性的將類(lèi)比學(xué)習(xí)的方法應(yīng)用于人名識(shí)別問(wèn)題,取得了較好的效果。主要的研究?jī)?nèi)容有以下幾方面: 1.通過(guò)對(duì)真實(shí)語(yǔ)料的統(tǒng)計(jì),深入分析了人名的內(nèi)部特征和上下文環(huán)

3、境特征,為類(lèi)比學(xué)習(xí)方法應(yīng)用到人名識(shí)別問(wèn)題建立了語(yǔ)言學(xué)基礎(chǔ)。同時(shí),建立了基于真實(shí)語(yǔ)料的人名資源庫(kù),包括姓氏用字庫(kù)、名字用字庫(kù)、譯名用字庫(kù)和特征詞庫(kù)等。此外,還使用了《知網(wǎng)》作為語(yǔ)義資源,對(duì)特征詞進(jìn)行了語(yǔ)義擴(kuò)充。 2.建立了人名實(shí)例庫(kù)。在實(shí)例向量化的過(guò)程中,不僅考慮了人名的內(nèi)部結(jié)構(gòu),而且加入了人名上下文環(huán)境信息,即實(shí)例向量中包含了人名的內(nèi)部結(jié)構(gòu)和上下文結(jié)構(gòu),較好地綜合利用了各種啟發(fā)信息。 3.按照類(lèi)比學(xué)習(xí)識(shí)別人名的策略,設(shè)計(jì)

4、實(shí)現(xiàn)了一個(gè)人名識(shí)別實(shí)驗(yàn)系統(tǒng)。通過(guò)計(jì)算實(shí)例間的相似度,選擇最為相似的實(shí)例,進(jìn)行類(lèi)比匹配,從而識(shí)別人名。 4.提出了一種改進(jìn)的實(shí)例相似度計(jì)算方法。我們針對(duì)人名識(shí)別過(guò)程中的不同階段,提出了兩個(gè)層次的實(shí)例相似度計(jì)算方法。在實(shí)例庫(kù)的構(gòu)建階段,實(shí)例相似度以公共子序列來(lái)衡量;在人名識(shí)別階段,不僅考慮了公共子序列,而且加入了結(jié)構(gòu)信息。 我們從人民日?qǐng)?bào)語(yǔ)料中選取50萬(wàn)字的文本進(jìn)行開(kāi)放測(cè)試,其實(shí)驗(yàn)結(jié)果表明該方法識(shí)別人名的召回率達(dá)到 90.8

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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。

評(píng)論

0/150

提交評(píng)論