基于半监督学习与CRF的应急预案命名实体识别

• 作者: 倪维健 刘彤 陈思源 魏静
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 应急预案 命名实体识别 条件随机场 半监督学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP301
• 字数: 3410字
• 语种: 中文
• DOI: 10.11907/rjdk.192096

摘要

传统基于统计的命名实体识别方法存在需要大量人工标注的缺陷,导致识别准确率较低.为了提升识别效果,提出一种基于条件随机场的半监督学习方法(S-CRF)对命名实体进行识别.该方法将实体识别看作序列标注问题,对少量数据进行人工标注并构建实体集,通过K-means聚类算法选取有代表性的未标注数据文本进行自动标注,采用条件随机场对语料进行训练测试.选取中文应急预案文档进行实验,该方法在各个标签上的识别效果分别达到93.52％、93.04％、95.81％.实验结果表明,该方法优于传统规则方法,能有效提高应急预案命名实体的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘彤	山东科技大学计算机科学与工程学院	18	59	3.0	7.0
2	倪维健	山东科技大学计算机科学与工程学院	12	7	2.0	2.0
3	陈思源	山东科技大学计算机科学与工程学院	2	0	0.0	0.0
4	魏静	山东科技大学计算机科学与工程学院	2	12	1.0	2.0