在信息爆炸的大數(shù)據(jù)時代,如何從龐雜的數(shù)據(jù)中獲取簡單有效的信息顯得日益重要。命名實體識別是在文本中定位和分類專有名詞（例如人名、地名等）的手段。在中文領(lǐng)域,這類命名實體發(fā)揮著巨大的作用,因而將其更好的發(fā)現(xiàn)與提取是一項有意義的工作。文本數(shù)據(jù)具有上下文依賴關(guān)系,本文將數(shù)據(jù)作為隨機變量的集合,挖掘隨機變量中實體與其他信息的概率依賴關(guān)系�？紤]到命名實體識別任務的特殊性,我們從依存句法分析和子序列分割入手,提出了對其算法的改進,本文主要工作如下:（1）提出了融合依存句法信息的神經(jīng)網(wǎng)絡結(jié)構(gòu)以識別命名實體,通過單向信息的傳遞,得到與雙向信息傳遞可以匹敵的效果。該方法考慮到將依存句法分析獲得的句子中與物理位置無關(guān)的信息之間的語義關(guān)系作為特征以提高命名實體識別性能。提出將基于詞語級別的依存句法分析轉(zhuǎn)化為基于字符的依存句法信息,以獲得更多的額外信息并減少錯誤的依存句法分析結(jié)果帶來的影響。并引入樹狀長短期記憶神經(jīng)網(wǎng)絡,挖掘以依存句法分析表示的樹狀序列信息。（2）提出了神經(jīng)網(wǎng)絡與半馬爾科夫條件隨機場結(jié)合的命名實體識別方法,該方法將序列看成是一個個子序列的集合,并將子序列作為一個整體進行標記,解決了條件隨機場中存... 

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究內(nèi)容與工作
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)背景知識
    2.1 NER任務分析
    2.2 輸入表示
    2.3 規(guī)則與詞典結(jié)合的NER方法
    2.4 統(tǒng)計機器學習方法
        2.4.1 基本分類器實現(xiàn)NER任務
        2.4.2 生成式模型
        2.4.3 判別式模型
    2.5 深度學習方法
        2.5.1 神經(jīng)網(wǎng)絡NER的輸入層
        2.5.2 基于RNN及其變體的NER任務
        2.5.3 基于CNN的NER任務
    2.6 評價方式
        2.6.1 PRF值
        2.6.2 宏觀F值與微觀F值
    2.7 本章小結(jié)
3 融入依存句法信息的Tree-LSTM命名實體識別方法
    3.1 依存句法分析
        3.1.1 依存句法介紹
        3.1.2 基于字的依存句法分析定義
    3.2 融入依存句法信息的網(wǎng)絡結(jié)構(gòu)
        3.2.1 Tree-LSTM模型
        3.2.2 融入依存句法信息的Tree-LSTM網(wǎng)絡結(jié)構(gòu)
    3.3 命名實體識別系統(tǒng)
        3.3.1 系統(tǒng)框架
        3.3.2 文本數(shù)值化表示
    3.4 實驗結(jié)果與分析
        3.4.1 標注格式
        3.4.2 實驗數(shù)據(jù)及處理
        3.4.3 實驗設(shè)置
        3.4.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
4 神經(jīng)網(wǎng)絡半馬爾科夫條件隨機場實現(xiàn)命名實體識別
    4.1 問題分析
        4.1.1 半馬爾科夫性質(zhì)
        4.1.2 輸入表示
    4.2 神經(jīng)網(wǎng)絡半馬爾科夫條件隨機場模型
        4.2.1 半馬爾科夫條件隨機場
        4.2.2 神經(jīng)網(wǎng)絡半馬爾科夫條件隨機場模型算法
    4.3 實驗結(jié)果與分析
        4.3.1 標注格式
        4.3.2 實驗數(shù)據(jù)分析
        4.3.3 實驗設(shè)置
        4.3.4 實驗結(jié)果與分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 未來展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]漢英雙語命名實體識別與對齊的交互式方法[J]. 陳鈺楓,宗成慶,蘇克毅.  計算機學報. 2011(09)
[2]《知網(wǎng)》在命名實體識別中的應用研究[J]. 鄭逢強,林磊,劉秉權(quán),孫承杰.  中文信息學報. 2008(05)
[3]融合多特征的最大熵漢語命名實體識別模型[J]. 張玥杰,徐智婷,薛向陽.  計算機研究與發(fā)展. 2008(06)



本文編號：3657641