基于條件隨機(jī)域的中文命名實體識別研究.pdf_第1頁
已閱讀1頁，還剩55頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：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)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、命名實體識別（NER）是信息抽取的基礎(chǔ)模塊，在信息檢索、機(jī)器翻譯、數(shù)據(jù)挖掘、自動文摘等領(lǐng)域發(fā)揮著重要作用。本文以條件隨機(jī)域模型（Conditional Random Field）為基礎(chǔ)重點研究中文命名實體中的人名、地名、組織機(jī)構(gòu)識別。本文的主要工作和特點如下： 1、本文系統(tǒng)詳細(xì)地介紹了條件隨機(jī)域模型，討論了該模型相對于其它序列標(biāo)注統(tǒng)計模型的特點。 2、引入了互信息（Mutual Information）從現(xiàn)有的標(biāo)注語料庫

2、資源中獲取外部統(tǒng)計詞典，在模型的訓(xùn)練過程中利用統(tǒng)計詞典獲得外部特征。實驗表明外部特征的加入可以彌補訓(xùn)練規(guī)模的不足、顯著的提高實體識別效果。 3、在組織機(jī)構(gòu)名訓(xùn)練過程中引入了基于置信度的主動學(xué)習(xí)算法，采用了密度加權(quán)的基于池的樣本選擇策略，能夠在耗費同樣標(biāo)注成本的情況下在一定程度上提升系統(tǒng)性能，降低特征函數(shù)集的冗余。 4、利用現(xiàn)有的人民日報標(biāo)注語料庫，以條件隨機(jī)域模型為基礎(chǔ)實現(xiàn)在字一級對于包括外國譯名在內(nèi)的中文人名、地名的識

溫馨提示

  • 1. 本站所有資源如無特殊說明，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)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論