微博對(duì)話鏈的命名實(shí)體識(shí)別技術(shù)研究與實(shí)現(xiàn).pdf

1、微博文本中蘊(yùn)含著大量有價(jià)值的信息，然而利用現(xiàn)有的方法對(duì)微博文本進(jìn)行命名實(shí)體標(biāo)注，其結(jié)果無(wú)法達(dá)到所需的要求。因此，本論文在現(xiàn)有技術(shù)的基礎(chǔ)上主要做了以下兩方面的改進(jìn)工作。
　　首先是微博對(duì)話鏈的構(gòu)建。這部分的工作主要是針對(duì)大部分博文文本長(zhǎng)度短小不足以提供抽取命名實(shí)體所需的足夠信息的問(wèn)題。評(píng)論和博文屬于同一個(gè)對(duì)話范圍，每條微博的評(píng)論或是對(duì)博文的內(nèi)容的進(jìn)一步擴(kuò)充，或是對(duì)博文內(nèi)容上下文的描述，因此可以利用評(píng)論對(duì)微博文本進(jìn)行擴(kuò)展。
　　

2、其次是在利用CRFs方法進(jìn)行命名實(shí)體識(shí)別的過(guò)程中加入角色特征。這部分的工作主要是針對(duì)微博文本由于文本語(yǔ)法不規(guī)范的特點(diǎn)而影響了命名實(shí)體識(shí)別效果的問(wèn)題。命名實(shí)體識(shí)別除了可以利用文本的語(yǔ)法規(guī)律外，還可以利用博文中命名實(shí)體的上下文指示信息等語(yǔ)義特征，本論文正是利用了后面這點(diǎn)在命名實(shí)體識(shí)別過(guò)程中加入了人名、地名和組織名角色特征。
　　論文在獲取的新浪微博數(shù)據(jù)上對(duì)提出的命名實(shí)體識(shí)別方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，取得的正確率、召回率和F值分別為83.5％