基于半監(jiān)督學(xué)習(xí)的智能手機(jī)命名實(shí)體識(shí)別.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展普及，越來越多的消費(fèi)者通過各種論壇、微博等平臺(tái)瀏覽產(chǎn)品信息以做出購買決策，同時(shí)分享自己的產(chǎn)品使用感受，這種現(xiàn)象在智能手機(jī)領(lǐng)域尤其明顯。對手機(jī)品牌商來說，通過網(wǎng)絡(luò)渠道收集用戶對自身產(chǎn)品的使用反饋是件很有商業(yè)價(jià)值的事情。然而用戶發(fā)布的產(chǎn)品信息中，可能包含各種類型的簡寫、昵稱、錯(cuò)誤拼寫等，隨意性強(qiáng)，識(shí)別難度大。因此非正式短文本手機(jī)命名實(shí)體識(shí)別是個(gè)既有意義又富有挑戰(zhàn)的任務(wù)，也是本文的研究興趣所在。
　　為解決該識(shí)別問題，本

2、文主要從以下方面開展研究：
　?。?）在利用word2vec獲得詞向量后，本文提出基于音譯映射的改進(jìn)k-means詞聚類算法，該改進(jìn)算法很好地將諸如“PLUS、puls”等表示同一命名實(shí)體但不同表達(dá)的各種簡寫、昵稱、錯(cuò)誤拼寫聚到一起，而將其與實(shí)際語法語義關(guān)聯(lián)度低的噪聲詞分開。并由聚類結(jié)果得到構(gòu)成產(chǎn)品名的品牌名、系列名、類型名、屬性名列表，融入這些列表特征的識(shí)別算法較好地解決了簡寫、昵稱、錯(cuò)誤拼寫的問題；
　?。?）在基于音譯

3、映射聚類的列表特征及詞向量特征基礎(chǔ)上，本文還用1/2k-means聚類算法對詞向量進(jìn)行層級聚類，求得每個(gè)詞的二進(jìn)制類別編碼，由此探索出了能進(jìn)一步提升識(shí)別效果的1/2k-means層級聚類特征；
　?。?）本文提出了一種新的半監(jiān)督方法來解決標(biāo)注語料不足的問題，該方法只需少量人工挑選詞語的努力就可以半自動(dòng)獲取大量標(biāo)注數(shù)據(jù)。利用手機(jī)名稱的命名特點(diǎn)，先根據(jù)規(guī)則從規(guī)范手機(jī)全名列表中提取正例，再通過少量人工挑選獲取負(fù)例，然后遍歷訓(xùn)練集匹配正例