基于多层条件随机场的中文命名实体识别

doi:10.3778/j.issn.1002-8331.2009.01.051

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (1): 163-165.DOI: 10.3778/j.issn.1002-8331.2009.01.051

• 数据库、信号与信息处理 • 上一篇下一篇

基于多层条件随机场的中文命名实体识别

胡文博^1,2,都云程^1,2,吕学强^1,2,施水才^1,2

1.北京信息科技大学中文信息处理研究中心，北京 100101
2.北京拓尔思信息技术有限公司，北京 100101

收稿日期:2007-12-26 修回日期:2008-03-13 出版日期:2009-01-01 发布日期:2009-01-01
通讯作者: 胡文博

Study on Chinese named entity recognition based on cascaded conditional random fields

HU Wen-bo^1,2,DU Yun-cheng^1,2,LV Xue-qiang^1,2,SHI Shui-cai^1,2

1.Chinese Information Processing Research Center，Beijing Information Science and Technology University，Beijing 100101，China
2.Beijing TRS Information Technology Co Ltd，Beijing 100101，China

Received:2007-12-26 Revised:2008-03-13 Online:2009-01-01 Published:2009-01-01
Contact: HU Wen-bo

摘要/Abstract

摘要： 命名实体识别属于自然语言处理的基础研究领域，是信息抽取、信息检索、机器翻译、组块分析、问答系统等多种自然语言处理技术的重要基础。主要研究中文命名实体中对复杂地名和复杂机构名的识别，提出一种基于多层条件随机场的命名实体识别的方法。对大规模真实语料进行开放测试，两项识别的召回率、准确率和F值分别达到91.95%、89.99%、90.50%和90.07%、88.72%、89.39%。

关键词: 条件随机场, 命名实体识别, 命名实体

Abstract: Named entity recognition is one of the fundamental problems in many natural language processing applications，such as information extraction，information retrieval，machine translation，shallow parsing and question answering system.This paper mainly researches the recognition of the complex location and complex organization in Chinese named entity.This paper presents a new algorithm of named entity recognition based on cascaded conditional random fields.We experimentally evaluate the algorithm on large-scale corpus.In open test，the recall，precision and F-measure achieves of 2 recognitions are 91.95%，89.99% ，90.50% and 90.07%，88.72%，89.39%.

Key words: conditional random fields, named entity recognition, name entity

胡文博^1,2,都云程^1,2,吕学强^1,2,施水才^1,2. 基于多层条件随机场的中文命名实体识别[J]. 计算机工程与应用, 2009, 45(1): 163-165.

HU Wen-bo^1,2,DU Yun-cheng^1,2,LV Xue-qiang^1,2,SHI Shui-cai^1,2. Study on Chinese named entity recognition based on cascaded conditional random fields[J]. Computer Engineering and Applications, 2009, 45(1): 163-165.

[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]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

基于多层条件随机场的中文命名实体识别

Study on Chinese named entity recognition based on cascaded conditional random fields

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