基于感知机模型藏文命名实体识别

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (15): 172-176.

基于感知机模型藏文命名实体识别

华却才让1，2，姜文斌3，赵海兴1，刘群3

1.陕西师范大学计算机学院，西安 710062
2.青海师范大学藏文信息研究中心，西宁 810008
3.中国科学院计算技术研究所，北京 100190

出版日期:2014-08-01 发布日期:2014-08-04

Tibetan name entity recognition with perceptron model

HUA Quecairang1，2, JIANG Wenbin3, ZHAO Haixing1, LIU Qun3

1.Computer Science School of Shaanxi Normal University, Xi’an 710062, China
2.Tibetan Information Research Center, Qinghai Normal University, Xining 810008, China
3.Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China

Online:2014-08-01 Published:2014-08-04

摘要/Abstract

摘要： 藏文命名实体识别是藏文分词和标注系统中必须要解决的问题。通过对命名实体构词规律及分词歧义进行分析，提出基于音节特征感知机训练模型的藏文命名实体识别方案。重点研究了利用藏文紧缩格识别音节的方法，命名实体内部和边界音节的模型训练特征模板，训练模型，以及命名实体分类识别方法。提出的藏文命名实体识别方法在测试集上获得86.03%的F值，相对基于分词的基线系统高出10.5%个点。

关键词: 藏文音节, 命名实体, 藏文命名实体, 感知机模型

Abstract: Tibetan name entity recognition is essential for Tibetan text segmentation and the part of speech tagging. This paper proposes a syllable features perceptron training model to identify Tibetan name entity with detail analysis NE structure rule and word segmentation ambiguity. It focuses on Tibetan syllable segmentation, training features templates of inner and boundary of NE, training model and NE classification method. The F-score of NE identification is 86.03% for the test set, and 10.5% higher than the Tibetan segmentation baseline system.

Key words: Tibetan syllable, Name Entity（NE）, Tibetan NE, perceptron model

华却才让1，2，姜文斌3，赵海兴1，刘群3. 基于感知机模型藏文命名实体识别[J]. 计算机工程与应用, 2014, 50(15): 172-176.

HUA Quecairang1，2, JIANG Wenbin3, ZHAO Haixing1, LIU Qun3. Tibetan name entity recognition with perceptron model[J]. Computer Engineering and Applications, 2014, 50(15): 172-176.

[1]	杨倩，顾磊. 基于去噪字词联合模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(7): 151-157.
[2]	隗昊，周爱，张益嘉，陈飞，屈雯，鲁明羽. 深度学习生物医学实体关系抽取研究综述[J]. 计算机工程与应用, 2021, 57(21): 14-23.
[3]	黄梅根，刘佳乐，刘川. 基于BERT的中文多关系抽取方法研究[J]. 计算机工程与应用, 2021, 57(21): 234-240.
[4]	姚贵斌，张起贵. 基于XLnet语言模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(18): 156-162.
[5]	焦凯楠，李欣，朱容辰. 中文领域命名实体识别综述[J]. 计算机工程与应用, 2021, 57(16): 1-15.
[6]	何玉洁，杜方，史英杰，宋丽娟. 基于深度学习的命名实体识别研究综述[J]. 计算机工程与应用, 2021, 57(11): 21-36.
[7]	孙凌浩. 利用翻译模型的跨语言中文命名实体识别[J]. 计算机工程与应用, 2021, 57(10): 94-100.
[8]	李博，康晓东，张华丽，王亚鸽，陈亚媛，白放. 采用Transformer-CRF的中文电子病历命名实体识别[J]. 计算机工程与应用, 2020, 56(5): 153-159.
[9]	刘小安，彭涛. 基于卷积神经网络的中文景点识别研究[J]. 计算机工程与应用, 2020, 56(4): 140-145.
[10]	马建红，张炳斐，张少光，刘双耀. 基于主动MCNN-SCRF的新能源汽车命名实体识别[J]. 计算机工程与应用, 2019, 55(7): 23-29.
[11]	周法国1，吴锡坤1，孙泰2，孙镇2. 基于转移学习的中文命名实体识别[J]. 计算机工程与应用, 2018, 54(5): 117-121.
[12]	曾维新1，赵翔1，2，冯滔1，唐九阳1，2. 面向领域的命名实体消歧方法改进研究[J]. 计算机工程与应用, 2018, 54(17): 126-134.
[13]	陈秋瑗1，2，程光1，2，李迪1，2，张建1，2. 机械设计领域的命名实体识别研究[J]. 计算机工程与应用, 2017, 53(20): 100-104.
[14]	完么扎西1，尼玛扎西2. 小字符集现代藏文排序技术的研究[J]. 计算机工程与应用, 2013, 49(8): 146-150.
[15]	李静1，罗文华2，林鸿飞1. 自然语言处理技术在网络案情分析系统中的应用[J]. 计算机工程与应用, 2012, 48(3): 216-220.