Fusion of Long Distance Dependency Features for ….pptVIP

Fusion of Long Distance Dependency Features for Chinese Named Entity Recognition Based on Markov Logic Networks Zejian Wu, Zhengtao Yu 昆明理工大学智能信息处理重点实验室 研究意义及背景 现有的中文命名实体识别方法往往没有考虑实体间的长距离依赖 MLNs （基于无向图模型）为解决各种依赖问题提供了一个简洁、高效的解决方案。 相对于概率图模型，MLNs使用起来更加方便，简单。 研究意义及背景 HMM假设特征之间是相互独立的 linear-chain CRF只能处理前后的依赖 skip-chain CRF能够处理远距离的依赖关系，但是对于一些复杂的长距离依赖关系，还是能难进行实际运用。 Markov逻辑网 基于一阶逻辑和无向图模型 给定逻辑规则和一组常量，可以利用Markov逻辑网形成一个无向图模型 因为形成的无向图模型有自己的特点，学习与推理跟一般的无向图模型相较简单。 基于Markov逻辑网的中文命名实体识别 候选实体独立特征 候选实体包含的词以及对应的词性 局部上下文特征 候选实体短距离（前后）依赖特征 候选实体前后词性 候选实体长距离依赖特征 同型重现 缩写重现 基于Markov逻辑网的中文命名实体识别 候选实体独立特征 候