基于半指导机器学习的中文姓名识别-计算机应用专业论文.docxVIP

摘要(中文姓名识别是中文的浅层处理，它直接影响中文分析的质量。本文提出 摘要 (中文姓名识别是中文的浅层处理，它直接影响中文分析的质量。本文提出 了。种使用半指导机器学习来进行中文姓名识别的方法。该方法仅需要少量的 标注语料来识别未经分词的中文语料中的中文姓名。1 7r 本论文创建地提出了正例空间和反例空间的概念，通过这两个空间从带标 文本和未带标文本中有目的抽取不同的信息，并把这些信息存入这两个空间。 正例空间中存放一个字作为姓出现时上下文的信息。反例空间存放高频姓在文 本中不作为姓出现时的上下文信息。 本文给出上述两个空间的构建算法以及将两个空间所含信息进行融合的空 间协调算法。对正例空间的缩减可以提高准确率，对反例空间的缩减可以提高 召回率。【这两个指标不能同时增大，对两个空间同时进行协调可以用较少地牺 牲某一个指标来得到另一个指标较大的提高。J 整个识别过程使用自举算法，整个过程从少量的带标语料和一个高频姓表 HSL启动，不断地从对未带标文本的标注中学习，同时尽快地把学到的信息应 用到后来的标注中。 验结果表明，这是一个可行的、可提高、可扩展的方法。整个识别过程 无需分词后的源文本，它可以耗费很少的人工进行大规模中文文本的预处理， 因此该方法有很大的实用价值。上 关键词：中文处理j姓名识别，机器学习j半指导机器学习 AbstractChinese Abstract Chinese llanqe recognition is a surface processing of Chinese text，which directly affects the quality of Chinese processing．This thesis proposes a method for Chinese name recognition based Oll semi-supervised machine learning．This method depends Oil a very small amount of labeled data to recognize the Chinese nalnes in non— segmented text． This thesis puts forward the concepts ofpositive instance space(PS)and negative instance space(NS)．These two spacesare used to extract and store information from the 1abeled data and unlabeled data．PS stores the context information of a C1lincse character that acts as a SUlnallle．NS stores the context information of a high· frequency surname when it doesn’t function as a SUlTlanle． This thesis describes a algorithm to construct the above two spaces and a algorithm to coordinate them．We can improve the precision by reducing NS and improve recall by reducing PS．Since these two values cant increase at the same time， the coordination algorithm carl improve one value significantly by sacrificing the otherinappreciably． The procedure of recognizing uses a bootstrapping algorithm．It starts from a small anaount of labeled data and a hirgh-frequency sllrnalqle list(HSL)，learns from the labeling ofunlabeled data continuously,and applies the learned information to the later recognition as soon as possible． The result of experiments indicates that this metho