基于CRF和规则相结合的地理命名实体识别方法

被引：67

作者：

何炎祥 ^{[1
,2
]}

罗楚威 ^{[2
]}

胡彬尧 ^{[2
]}

机构：

[1] 武汉大学软件工程国家重点实验室

[2] 武汉大学计算机学院

来源：

计算机应用与软件 | 2015年 / 32卷 / 01期

关键词：

地理命名实体识别; 特征模版; 条件随机场; 修正规则; 结合修正;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

为了识别文本中海量的地理命名信息,以CRF(条件随机场)模型识别为基础,加入制定的规则,来提高CRF模型识别的召回率,从而提高整体的地理命名实体识别效果。通过选取适合的地理命名实体识别的特征模板,验证特征的有效性以及分析CRF模型识别结果中的未识别实体样本,设计针对未识别实体的规则用以修正识别结果。实验表明,对地名和组织名结合规则进行修正后的F值达到了91.61%和85.74%,有了显著提高。

引用

页码：179 / 185+202 +202

页数：8

共 10 条

[1] 基于条件随机场的文本分类模型[J].张春元. 计算机技术与发展.2011(07)
[2] 基于条件随机场的大范围地形感知框架[J].王明军,周俊,屠珺,刘成良. 机器人.2010(03)
[3] 基于层叠条件随机场模型的中文机构名自动识别[J].周俊生,戴新宇,尹存燕,陈家骏. 电子学报.2006(05)
[4] 特征选择方法综述[J].王娟,慈林林,姚康泽. 计算机工程与科学.2005(12)
[5] 基于语料库的中文姓名识别方法研究[J].郑家恒,李鑫,谭红叶. 中文信息学报.2000(01)
[6] 中文机构名称的识别与分析[J].张小衡,王玲玲. 中文信息学报.1997(04)
[7] Namedentityrecognitionwithmultiplesegmentrepresentations[J].Han-CheolCho,NaoakiOkazaki,MakotoMiwa,Jun’ichiTsujii. InformationProcessingandManagement.2013(4)
[8] CombiningSelfLearningandActiveLearningforChineseNamedEntityRecognition[J].LinYao,ChengjieSun,XiaolongWang,XuanWang. JournalofSoftware.2010(5)
[9] Featureselectionforclassification[J].M.Dash,H.Liu. IntelligentDataAnalysis.1997(1)
[10] MUC.2http://www-nlpir.nist.gov/relatedprojects/muc.

← 1 →