基于条件随机场与时间词库的中文时间表达式识别.pdfVIP

第 28卷 第 6期 中文信息学报 Vo1．28，No．6 2014年 11月 JOURNALoFCHINESE INFORMATION PROCESSING NOV．。2014 文章编号 ：1003—0077 2014 06—0169—06 基于条件随机场与时间词库 的中文时间表达式识别 吴 琼，黄德根 大连理工大学 计算机科学与技术学院，辽宁 大连 116O24 摘 要 ：该文提 出一种统计与规则相结合 的时间表达式识别方法。首先，通过分析 中文文本 中时间表达式的词形、 词性和上下文信息 ，采用条件随机场识别时间单元而非时间表达式整体，避 免 了中文时间表达式边界定位不准确 的问题 ；然后 ，从训练语料 中 自动获取候选触发词 ，并依据评价 函数对候选触发词打分 ，筛选 出正确的触发词完善 触发词库 ；最后 ，根据 时间触发词库与时间缀词库 ，制定规则对时间表达式边界进行定位 。实验结果显示开式测试 F1值达到 98．31 。 关键 词 ：CRF；规 则 ；时间触发词 ；时间缀词 中图分类号 ：TP391 文献标识码 ：A TemporalInformationExtractionBasedonCRFandTimeThesaurus WU Qlong，HUANGDegen SchoolofComputerScienceandTechnology，DalianUniversityofTechnology，Dalian，Liaoning116024，China Abstract：Thispaperproposesagenericalgorithm fortimeexpressionrecognitiontaskbycombiningruleswithsta— tistics．Byanalyzingasetoflinguisticfeaturesoftimeexpressionssuchaslexicalfeaturesandcontextinformation， ConditionalRandom Fields CRF isappliedtOrecognizetimeunitratherthantimeexpressionSOasto，avoidthe boundary localizationproblemsinChinesetimeexpressions．Inaddition，thecandidatetriggerwordsareautomati— callyobtainedfrom thetestcorpus，refiningthetriggerthesaurusbyadesignedscorefunction．Finally，rulesforthe timeexpressionboundarylocalizationareformulatedbasedontimetriggerthesaurusandtimeaffixwordthesaurus． Ourexperimentalresultsshow thattheF1valuereaches98．31 inanopentest． Keywords：CRF；rule；timetrigger；timeaffixword TERN 的评 测 ，随后 ，ACE2005 AutomaticCon- l 引言 tentExtraction 和 SemEval2007 SemanticEvalua— tions 也将时间表达式评测纳入 自己的任务 中。 时间表达式的识别在 中文信息处理中有重要的 时间表达式识别的常用方法有两种 ：一种是基 作用和意义 ，时间表达式识别可为 问答系统提供基 于规则的方法口]，例如 ，文献E2]通过建立一些语法 本 的素材 ，可以用于机器翻译 、事件跟踪 、信息检索 规则和补充 限定条件 ，用规则匹配的方式识别时间 中相关时间的定位 ，还可 以用于定位事件发生的时 表达式 ；文献 [3-1将时间信息划分为一系列 的 “时间 间及 回答时间相关的问题等 。 基元”，使用启发式规则抽取时间表达式 ，再利用错 1995年，信息理解会议 MessageUnderstand— 误驱动方法对规则库进行剪枝 ，提高规则抽取 的正 ingConference 首次将时间表达式 的识别作为命名 确率 ；文献 [4]提 出一种基于正则表达式 的TIM— 实体识别的一个子任务。2004年 ，美 国技术标准局 EX2[5刮中文时 间短语边界识别方法 。由于时间表 NIST 举 办 了第一届 时 间表达式识别与 归一化 达式具有一定的稳定性 ，直到现在 ，仍有人用规则的 TimeExpression RecognitionandNormalization