基于条件随机场的藏文人名识别研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (3): 109-111.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

基于条件随机场的藏文人名识别研究

康才畯1，龙从军2，江荻1，2

1.上海师范大学人文与传播学院，上海 200234
2.中国社科院民族研究所，北京 100081

出版日期:2015-02-01 发布日期:2015-01-28

Tibetan names recognition research based on CRF

KANG Caijun1, LONG Congjun2, JIANG Di1，2

1.Humanities and Communications College, Shanghai Normal University, Shanghai 200234, China
2.Institute of Ethnology & Anthropology, Chinese Academy of Social Sciences, Beijing 100081, China

Online:2015-02-01 Published:2015-01-28

摘要/Abstract

摘要： 基于条件随机场模型在字粒度上识别并切分藏文人名,其优势是可以较好地利用藏文人名在文本中出现的基本特征和上下文特征来确定藏文人名在文本序列中的边界。根据藏文人名自身的特点设定特征标签集，利用条件随机场模型作为标注建模工具来进行训练和测试。从实验结果来看，该方法有较高的识别正确率，具有进一步研究的价值。下一步的改进需要扩充训练语料，并针对人名与一般词语同形现象进行特征标签集的优化。

关键词: 藏文人名, 条件随机场, 特征标签集

Abstract: The best feature of segmentation of Tibetan names based on Conditional Random Field（CRF） on the character level is making use of the basic and context features of the Tibetan names. This paper defines a feature tag set to fit in with the characters of Tibetan names, uses CRF as tagging model to train and test corpus data. The experimental result shows that the method has a high recognition rate and deserves further study. The next steps are to expand the corpus and optimize the tag set for the isomorphic phenomena of Tibetan names and general words.

Key words: Tibetan name, Conditional Random Field（CRF）, tag set

康才畯1，龙从军2，江荻1，2. 基于条件随机场的藏文人名识别研究[J]. 计算机工程与应用, 2015, 51(3): 109-111.

KANG Caijun1, LONG Congjun2, JIANG Di1，2. Tibetan names recognition research based on CRF[J]. Computer Engineering and Applications, 2015, 51(3): 109-111.

[1]	徐建国，刘泳慧，刘梦凡. 基于BILSTM-CRF的高校政策语义角色标注研究[J]. 计算机工程与应用, 2021, 57(6): 207-211.
[2]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[3]	田梓函，李欣. 基于BERT-CRF模型的中文事件检测方法研究[J]. 计算机工程与应用, 2021, 57(11): 135-139.
[4]	汪瀛寰，薛婵，包先雨，吴共庆. 触发词与属性值对联合抽取方法研究[J]. 计算机工程与应用, 2020, 56(9): 168-174.
[5]	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.
[6]	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.
[7]	马冬梅，贺三三，杨彩锋，严春满. 特征融合型卷积神经网络的语义分割[J]. 计算机工程与应用, 2020, 56(10): 193-198.
[8]	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.
[9]	黄英来，刘亚檀，任洪娥. 基于全卷积神经网络的林木图像分割[J]. 计算机工程与应用, 2019, 55(4): 219-224.
[10]	杜玉龙，李建增，张岩，范聪. 基于深度交叉CNN和免交互GrabCut的显著性检测[J]. 计算机工程与应用, 2017, 53(3): 32-40.
[11]	米晓莉，赵永刚，庄益夫. 协同目标性指导下的多图像联合分割算法[J]. 计算机工程与应用, 2017, 53(2): 181-187.
[12]	朱艳辉，刘璟，徐叶强，田海龙，马进. 基于条件随机场的中文领域分词研究[J]. 计算机工程与应用, 2016, 52(15): 97-100.
[13]	刘殷1，吕学强1，刘坤2. 条件随机场与多层算法模型的实体自动识别[J]. 计算机工程与应用, 2016, 52(11): 141-147.
[14]	史庆伟，郭朋亮. 基于LDA的条件随机场主题模型研究[J]. 计算机工程与应用, 2015, 51(7): 131-135.
[15]	黄彦姣，吴秦，梁久祯. 基于增强约束条件随机场的Web对象信息抽取[J]. 计算机工程与应用, 2015, 51(23): 143-148.

基于条件随机场的藏文人名识别研究

Tibetan names recognition research based on CRF

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics