基于模型组台训练机制的特定领域名词性实体识别.pdfVIP

基于模型组合训练机制的特定领域名词性实体识别 郭宏蕾 郭志立 IBM中国研究中心 北京 100085 E-mail:丈guohl.guozhilil@ 摘 要:本文提出了一个模型组合训练机制，用于建立特定领域名词性实体识别模型.该组合训练机制采用基 于文本片段的语料库自动构建机制，从Web的搜索结果中挖掘所需要的领域数据，并充分利用已有的一般领域 名词性实体识别模型、标注语料库及自动新建的小规模的特定领域名词性实体标注语料库，极大地降低了训练成 本，为特定领域名词性实体识别模型的建立提供了一个简单易用的训练方法. 关键词:信息抽取，特定领域，名词性实体识别，语料库构造 ACombinationTrainingFrameworkforDomain-specific NominalEntityRecognition GuoHongLeiand GuoZhiLi IBMChinaResearchLab,Beijing100085 E-mail:lguohl.guozhilil@ Abstract:Inthispaper,wepresentacombinationtrainingframeworkforbuildingadomain-specificnominalentiyt recognitionmodel.Toreducethehugecostindomain-specificcorpuscollectionandtagging,thiscombinationtraining rfameworkleveragestheexistingnominalentiyttaggedcorpusandnominalentiytrecognitionmodelbuiltingeneral domain.Meanwhile,aweb-basedautomaticcorpusconstructionmechanismisappliedtocollectthedomain-specific datarfomthesearchresultsontheweb.Experimentalresultsshowthatthiscombinationtrainingrfameworkcan significantlyreducethetrainingcostinbuildingadomain-specificnominalentiytrecognitionmodel.Itprovides,an ease-to-usewayforbuildingadomain-specificnominalentiytrecognitionmodelwithlesstimeandefforts. Keywords:Informationextractionspecificdomain,nominalentiytrecognition，corpusbuilding 1 引言 名词性实体识别主要关注识别表述人、地点、组织的名词短语，是实体识别和跟踪应用 中的一个基本任务。机器学习方法因其易于训练和调整的特点在信息抽取、命名实体和名词 性实体识别研究领域倍受青睐。然而，当基于机器学习方法的名词性实体识别系统用于不同 .一七12- 于原训练领域的新领域时，其性能通常会有所下降。近年来，一些研究人员己开始研究自适 应的基于机器学习的特定领域实体识别系统1l〔(21 本文提出了一个构建特定领域名词性实体识别模型的组合训练机制，充分利用已有的一 般领域名词性实体识别模型，并采用基于文本片段的语料库自动收集方法，从Web上收集相关 领域名词性实体语料，极大地降低了特定领域名词性实体识别模型的训练成本。 2 面向特定领域名词性实体识别的组合训练机制 本文提出的特定领域名词性实体识别模型的组合训练机制包括两个部分:1)特定领域语 料库的自动收集和标注;2)模型组合训练 (见图1)o 图I特定领域名词性实体识别模型的组合训练机制 1)特定领域名词性实体标注语料库的自动构建 名词性实体标注语料库是特定领域名词性实体识别模型训练中的主要瓶颈。为了