基于CRF和规则相结合的地理命名实体识别方法.pdfVIP

第32卷第 1期 计算机应用与软件 V01．32 No．1 2015年 1月 ComputerApplicationsandSoftware Jan．2015 基于CRF和规则相结合的地理命名实体识别方法 何炎祥 罗楚威 胡彬尧 (武汉大学软件512程 国家重点实验室 湖北 武汉430072) (武汉大学计算机学院 湖北 武汉 430072) 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。 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 中图分类号 TP391 文献标识码 A DOI：10．3969／j．issn．1000—386x．2015．01．046 GEoGRAP=HIC ENTITY RECoGNITIoN METHoD BASED oN CRF MoDELAND RULESCoMBINATION HeYanxiang · LuoChuwei HuBinyao (StateKeyLaboratoryofSoftwareEngineering，WuhanUniversity，．Wuhan430072，Hubei，China) 。(SchoolofComputer，WuhanUniversity，Wuhan430072，Hubei，China) Abstract Forreeognisingmassivegeographicnamedentitiesintexts，Ollthebasisofconditionalrandomfield(CRF)model，weaddarti· ficialrulestoimproveitsrecallrateofrecognition，therebyimprovetheoveralleffectofgeorgaphicnamedentitiesrecognition．Bychoosing properfeaturetemplateof thegeographicnamedentityrecognition，weverifythevalidityofCRFfeaturesandanalysetheunrecognisedentity samplesamongCRFmodelrecognitionresult，anddesigntheartificial urlestargetedattheunrecognisedentitytocorrecttherecognitionre— suit．Experimentsshowthatfortheplacenamesandorganisationnames．theirFvaluesreach91．61％ and85．74％ aftertobecorrectedin combinationwiththerules，itissignificantlyimproved． Keywords Geographicnamedentityrecognition Featuretemplate Conditionrandomfield(CRF) Reviserule Combinedcorrection 在于中英文之间的各种差异。 0 引 言 命名实体识别发展到现在已经取得了很大的成果，但是由