医学常见的中文命名实体识别及关系提取.pptVIP

中文命名实体识别及关系提取 *** *** *** 中文命名实体识别 语料：人民日报1998年版 主要方法：根据训练预料，利用CRF进行机器学习 中文命名实体识别 标注集1：由字构词 将{ ns,nr,nt}三种实体类型，和分词中的词位信息{B,B1,B2,M,E,S}做组合，其它字标记为O Example: 中文命名实体识别 词缀标记 PSsur：人名的姓，比如“王” PSsuf：人名的后缀，比如“先生” Lsuf： 地名的后缀，比如“省”，“特区”，“地区” Osuf： 组织名的后缀，比如“委员会”，“公司” 原因：中文偏正关系 *为什么将词缀放到机器学习的标记中而不是用于结果修正？ 后缀容易识别，但是向前匹配的位置难于确定，比如“上海IBM研究院”。 训练模板 字的特征识别： w[-1,0]:前一个字 w[0,0] w[1,0] w[-1,0]/w[0,0]:前面一个字和当前字的组合 w[0,0]/w[1,0] , w[-1,0]/w[1,0] 词缀特征识别： w[-1,1]:前一个字的词缀 w[0,1],w[1,1],w[0,1]/w[1,1]/w[2,1] 测试结果 测试方法： 将训练集拆分，80%用于训练，20%用于测试(200篇左右) 测试结果： Recall Precision F-sco