中文微博命名体识别.pdfVIP

2015年 5月 四川大学学报(自然科学版) M ay． 2015 第 52卷 第3期 JournalofSichuanUniversity(NaturalScienceEdition) Vo1．52 No．3 doi：103969／j．issn．0490—6756．2015．03．011 中文微博命名体识别 韩春燕 ，刘玉娇 ， 琚生根 ，李若晨 ，苏 种 (1．四川 民族学院计算机科学系，康定 626001；2．四川I大学计算机学院，成都 610065) 摘 要：近年来微博的快速发展为命名体识别提供 了新的载体，同时微博 的特点也为命名体 识别研 究带来了挑战．针对微博特点，本文提 出了基于拼音相似距 离以及文本相似距 离聚类 算法对微博文本进行规范化 ，消除了微博的语言表达不规范造成的干扰．同时，本文还提 出 了篇章级 、句子级以及词f1-级三级粒度的特征提取 ，使用条件 随机场模型进行训练数据 ，并 识别命名体，采用由微博文本相似聚类获得的实体关系类对命