级联中文组块识别

• 作者: 王小捷 秦颖 钟义信
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 中文组块 边界识别 类别识别 条件随机场
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 论文
• 页码范围: 14-17
• 页数: 4页
• 分类号: TP391
• 字数: 3642字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5321.2008.01.004

摘要

基于统计方法的中文组块研究大多借鉴CoNLL2000英文组块的思想,建立了组块表示的BIO模型,并将组块识别任务作为一种为词序列标注的多分类问题.为降低分类复杂度,采取了一种分解识别法,即先识别组块的边界,再进行组块类别判定.基于条件随机场(CRF)构建了级联组块识别器,实验数据集采用宾州大学中文树库(CTB5.1).在特征选择上,借鉴了中文分词特征选择的方法.5倍交叉验证的实验结果为:组块边界识别的F1值为95.05%;类型识别的准确率为99.43%;整体F1值为93.58%.该方法提高了系统性能,缩短了学习器的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟义信	北京邮电大学信息工程学院	128	2678	27.0	48.0
2	王小捷	北京邮电大学信息工程学院	35	179	8.0	11.0
3	秦颖	北京邮电大学信息工程学院	4	68	3.0	4.0