基于語(yǔ)篇的中文命名實(shí)體識(shí)別研究.pdf

1、命名實(shí)體識(shí)別是自然語(yǔ)言信息處理的一項(xiàng)基礎(chǔ)工作．命名實(shí)體識(shí)別的研究，在自然語(yǔ)言信息處理的許多應(yīng)用領(lǐng)域如信息抽取、自動(dòng)分類(lèi)、機(jī)器翻譯、問(wèn)答系統(tǒng)和信息檢索等都具有重大的意義。國(guó)際上，很早就開(kāi)始了命名實(shí)體識(shí)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(shí)別問(wèn)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(shí)別研究的局限性，本文提出了一種基于語(yǔ)篇的中文命名實(shí)體識(shí)別算法，并從以下幾個(gè)方面對(duì)基于語(yǔ)篇的中文

2、命名實(shí)體識(shí)別問(wèn)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(yǔ)言學(xué)知識(shí)，并對(duì)命名實(shí)體識(shí)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(jiǎn)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(shí)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(kù)對(duì)CRFs標(biāo)注結(jié)果進(jìn)行校正，取得了不錯(cuò)的效果。 再次，對(duì)語(yǔ)篇的基本概念和語(yǔ)篇理論進(jìn)行了初

3、步的學(xué)習(xí)和研究。在對(duì)語(yǔ)篇概念和基本理論有了一定的認(rèn)識(shí)之后，重點(diǎn)對(duì)語(yǔ)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(yǔ)篇的中文命名實(shí)體識(shí)別的算法，從整個(gè)語(yǔ)篇的角度對(duì)命名實(shí)體識(shí)別進(jìn)行分析和研究。在系統(tǒng)架構(gòu)過(guò)程中，本文采用了模塊化的方法，分別有：句子級(jí)中文命名實(shí)體識(shí)別模塊，指代消解模塊，組織名縮略語(yǔ)識(shí)別模塊、中文命名實(shí)體重現(xiàn)模塊和評(píng)測(cè)模塊等．實(shí)驗(yàn)結(jié)果表明，基于語(yǔ)篇的中文命名實(shí)體識(shí)別系統(tǒng)的識(shí)別效果相對(duì)于句子級(jí)的中文命名實(shí)體識(shí)別系統(tǒng)的識(shí)