原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第三届全国信息检索与内容安全学术会议
基于单字提示特征的中文命名实体识别快速算法
冯元勇∽，孙乐1，张大鲲k2，李文波1’2
(1．中国科学院软件研究所基础软件中心，北京100080：2．中国科学院研究生院，北京100080)
摘要： 近年来条件随机场(CRF)模型在自然语言处理中的应用越来越广泛。标准的线性链
flinear-chain)模型一般采用L．BFGS参数估计方法，收敛速度慢。本文在分析模型复杂度的基础上
提出了一种改进的快速CRF算法。该算法通过引入小规模单字特征降低特征的规模，并通过在推
理过程中引入任务相关的人工知识压缩Viterbi和Baum—Welch格搜索空间，提高了训练的速度。
在中文863命名实体识别评测语料和S1GHAN06语料集上进行的实验表明，该算法在不影响中文
命名实体识别精度的同时，有效地降低了模型的训练代价。
关键词： 中文命名实体识别； 条件随机场；自然语言处理；机器学习
Named
Chinese
Rapid Entity
Basedon CharacterHints
Single
Wenb01，2
Dakunl”，Li
Yuanyon91，一，SunLel，Zhang
Feng
100080；2，Graduate 100080)
(1，InstituteofSoftware，CAS，BeringUniversi戗CAS，Beijing
for in
Abstract：Conditionalrandom becomes tasksthefield
prevalentsequentiallabeling
fields(CRF)model
in
NLEA butslow L-BFGSis used estimationofCRF
of general optimizationalgorithm commonlyparameter
Model．Inthis is totrainCRFmodelmore scale
improvedalgorithmproposed quickly．First，small
paper,an
characterhintfeaturesareintroducedtodecreasethefeature ruleis toreduce
space．Then，atask-specificapplied
search inViterbiandBaum·Welch onChina863 NERandSIGHAN
paths procedure．Theexperiments program
2006 showthatourschemasaves time without
corpora trainingsignificantlyperformancedrop．
randomfields
文档评论（0）