基于語篇的中文命名實(shí)體識別研究.pdf

1、命名實(shí)體識別是自然語言信息處理的一項(xiàng)基礎(chǔ)工作．命名實(shí)體識別的研究，在自然語言信息處理的許多應(yīng)用領(lǐng)域如信息抽取、自動分類、機(jī)器翻譯、問答系統(tǒng)和信息檢索等都具有重大的意義。國際上，很早就開始了命名實(shí)體識別技術(shù)的研究并取得了不錯(cuò)的成果。但是，由于中文本身的內(nèi)在特點(diǎn)，使得命名實(shí)體識別問題成為中文信息處理中的一項(xiàng)艱巨的任務(wù)。為了解決基于句子中文命名實(shí)體識別研究的局限性，本文提出了一種基于語篇的中文命名實(shí)體識別算法，并從以下幾個(gè)方面對基于語篇的中文

2、命名實(shí)體識別問題進(jìn)行了研究和探討： 首先，文本介紹了人名、地名和組織名三種主要的命名實(shí)體的相關(guān)語言學(xué)知識，并對命名實(shí)體識別的早期的規(guī)則方法和目前流行的機(jī)器學(xué)習(xí)方法進(jìn)行了簡要介紹。 其次，提出了一個(gè)統(tǒng)計(jì)與規(guī)則相結(jié)合的中文命名實(shí)體識別算法。本文詳細(xì)分析了中文命名實(shí)體的構(gòu)成特點(diǎn)，提出了雙層的CRFs模型進(jìn)行機(jī)器學(xué)習(xí)方法，并采用規(guī)則庫對CRFs標(biāo)注結(jié)果進(jìn)行校正，取得了不錯(cuò)的效果。 再次，對語篇的基本概念和語篇理論進(jìn)行了初

3、步的學(xué)習(xí)和研究。在對語篇概念和基本理論有了一定的認(rèn)識之后，重點(diǎn)對語篇的指代消解進(jìn)行學(xué)習(xí)和研究。 最后，提出了一種基于語篇的中文命名實(shí)體識別的算法，從整個(gè)語篇的角度對命名實(shí)體識別進(jìn)行分析和研究。在系統(tǒng)架構(gòu)過程中，本文采用了模塊化的方法，分別有：句子級中文命名實(shí)體識別模塊，指代消解模塊，組織名縮略語識別模塊、中文命名實(shí)體重現(xiàn)模塊和評測模塊等．實(shí)驗(yàn)結(jié)果表明，基于語篇的中文命名實(shí)體識別系統(tǒng)的識別效果相對于句子級的中文命名實(shí)體識別系統(tǒng)的識