基于统计方法的中文姓名识别ξ-中文信息学报.pdfVIP

中　文 　信 　息 　学 　报 第 15 卷 第 2 期 　 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 15 No. 2 基于统计方法的中文姓名识别 1 ,2 1 1 1 2 黄德根 　杨元生 　王 　省 　张艳丽 　钟万勰 ( 1. 大连理工大学计算机科学与工程系 　大连 　116024 ; 2 . 大连理工大学工程力学研究所 　大连 　116024) 摘要 :专有名词的识别对 自动分词有重要意义 。本文针对如何识别中文姓名做了有益的 尝试 ,主要采用基于统计方法 ,进行中文姓名识别 。本文建立了有监督学习机制 ,提出了句子 切分结果可信度等概念 ,并在此基础上建立了较好的统计模型 ,系统闭式精确率和召回率分别 达 95 . 97 %和 95 . 52 % ,开式精确率和召回率分别达 92 . 37 %和 88 . 62 % 。 关键词 :双词同现频度 ;单词频度 ;学习机制 ; 中文姓名识别 中图分类号 : TP39 1. 1 Identif ication of Chinese Na mes Based on Statistics HUAN G Degen1 ,2 　YAN G Yuansheng1 1 1 2 WAN G Xing 　ZHAN G Yanli 　ZHON G Wanxie ( 1. Dep art ment of Comp uter Science and Engineering ,2 . Research Instit ute Of Engineering Mechanics ,Dalian U niver sit y of Technology 　DaLian 　116024) Abstract :Identification of Chinese names is one of import ant techniques to imp rove t he accuracy of automatic wor d segment ation . This p aper p ropo ses an effective model based on st atistics to i dentify Chinese names. It est ablishes rewar dsp unishment mechanism and supervisedlearning mechanism , and p resent s t he reliabilit y for t he wor d segment ation in t he model . The experiment s show t hat t he p recision and recall rate respectively reach 95 . 97 % and 95 . 52 % by clo se test , while t he p recision and recall rate are 92 . 37 % and 88 . 62 % by open test . Keywords :bigram frequency ;unigram frequency ;learning mechanism ;chinese names identification 一 、引言 词是自然语言中有意义的、可以独立运用