中文微博命名体识别

• 作者: 刘玉娇 李若晨 琚生根 苏翀 韩春燕
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 微博 条件随机场 命名实体 三级粒度特征 短文本
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 511-516
• 页数: 6页
• 分类号: TP391
• 字数: 5113字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2015.03.011

摘要

近年来微博的快速发展为命名体识别提供了新的载体,同时微博的特点也为命名体识别研究带来了挑战.针对微博特点,本文提出了基于拼音相似距离以及文本相似距离聚类算法对微博文本进行规范化,消除了微博的语言表达不规范造成的干扰.同时,本文还提出了篇章级、句子级以及词汇级三级粒度的特征提取,使用条件随机场模型进行训练数据,并识别命名体,采用由微博文本相似聚类获得的实体关系类对命名体类型进行修正.由于缺少大量的微博训练数据,本文采用半监督学习框架训练模型.通过对新浪微博数据的实验结果表明,本方法能够有效地提高微博中命名体识别的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	琚生根	四川大学计算机学院	72	460	11.0	16.0
2	李若晨	四川大学计算机学院	5	17	3.0	4.0
3	刘玉娇	四川大学计算机学院	5	48	3.0	5.0
4	苏翀	四川大学计算机学院	2	29	2.0	2.0