hmm和crfs在信息抽取应用中的比较研究-sjtucs.pdfVIP

《现代图书情报技术》　２００７年　第１２期 情报分析与研究 　　总第１５８期  ＨＭＭ和 ＣＲＦｓ在信息抽取应用中的比较研究 王　昊　邓三鸿 （南京大学信息管理系　南京２１００９３） 　　【摘要】　在比较ＨＭＭ和ＣＲＦｓ数学理论的基础上，分别提出基于ＨＭＭ词角色标注和基于ＣＲＦｓ字角色标 注的人名实体抽取模型，并通过开放性测试和实践应用两次验证、比较两者的有效性，从而在实践中证明从理 论比较中得出的结论：ＣＲＦｓ较之ＨＭＭ更适合于解决序列标注或对象分类问题。 　　【关键词】　ＨＭＭ　ＣＲＦｓ　信息抽取　人名实体抽取　角色标注　特征　　【分类号】　ＴＰ３１１ ＣｏｍｐａｒａｔｉｖｅＳｔｕｄｙｏｎＨＭＭａｎｄＣＲＦｓＡｐｐｌｙｉｎｇｉｎ ＩｎｆｏｒｍａｔｉｏｎＥｘｔｒａｃｔｉｏｎ ＷａｎｇＨａｏ　ＤｅｎｇＳａｎｈｏｎｇ （ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９３，Ｃｈｉｎａ） 　　【Ａｂｓｔｒａｃｔ】　Ｔｈｉｓｐａｐｅｒｂｒｉｎｇｓｆｏｒｗａｒｄｔｗｏｍｏｄｅｌｓｆｏｒｐｅｒｓｏｎ－ｎａｍｅｅｎｔｉｔｙｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎｔｈｅｃｏｍｐａｒｉｓｏｎｏｆ ｍａｔｈｔｈｅｏｒｙｂｅｔｗｅｅｎＨＭＭａｎｄＣＲＦｓ，ｏｎｅｕｓｉｎｇｗｏｒｄｒｏｌｅｌａｂｅｌｂａｓｅｄＨＭＭａｎｄｔｈｅｏｔｈｅｒｕｓｉｎｇｃｈａｒａｃｔｅｒｒｏｌｅｌａｂｅｌ ｂａｓｅｄＣＲＦｓ，ｔｈｅｎｖａｌｉｄａｔｅｓａｎｄｃｏｍｐａｒｅｓｔｈｅｅｆｆｅｃｔｏｆｂｏｔｈｂｙｏｐｅｎ－ｔｅｓｔｉｎｇａｎｄａｐｐｌｙｉｎｇｉｎｐｒａｃｔｉｃｅ，ａｎｄｔｈｅｒｅｂｙ ｐｒｏｖｅｓｉｎｐｒａｃｔｉｃｅｔｈａｔＣＲＦｓｉｓｆｉｔｔｅｒｆｏｒｓｅｑｕｅｎｃｅｌａｂｅｌｉｎｇａｎｄｏｂｊｅｃｔｃｌａｓｓｉｆｙｉｎｇｔｈａｎＨＭＭ． 　　【Ｋｅｙｗｏｒｄｓ】　ＨＭＭ　ＣＲＦｓ　Ｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ　Ｐｅｒｓｏｎ－ｎａｍｅｅｎｔｉｔｙｅｘｔｒａｃｔｉｏｎ　Ｒｏｌｅｌａｂｅｌ　Ｆｅａｔｕｒｅ 决文本中的代词指称问题； １　引　言 　　（５）情节模板（ＳｃｅｎａｒｉｏＴｅｍｐｌａｔｅ），即根据应用目标定义 　　随着网络技术的发展普及，人类信息正在逐渐数字 任务框架，用于特定领域的信息识别和组织。 化、电子化。到２０世纪８０年代末出现了“信息爆炸”现 　　信息抽取分为显性知识的抽取和隐性知识的挖掘。 ［２］ 象，人们逐渐被“淹没”在信息数据的“海洋”中。如何迅 显性知识抽取是指基于规则或基于统计的方式 实现命 速地从海量信息中获取有用知识，如何充分提高信息利 名实体及其相关信息的抽取；隐性知识的挖掘则是采用 用率，如何解决“信息爆炸”和“知识匮乏”的矛盾，所有 数据挖掘（ＤａｔａＭｉｎｉｎｇ）技术，从文本中提取实体和实体 这些都是在“海量信息为特征的信息时代”提出的新课 之间隐藏的具有一定可信度的关系。基于统计的方法是 题。信息抽取技术是解决上述问题的有效方法。 指学习经过标注的语料库，获得语言学规律知识，采用一 ［１］ ［２］ 　　信息抽取技术