面向軍事領(lǐng)域的命名實體識別及相關(guān)信息提取關(guān)鍵技術(shù)研究.pdf

1、基于軍事領(lǐng)域的命名實體識別的主要任務(wù)是識別出軍事文本中的人名、地名、武器、組織機構(gòu)名等專有名稱并加以歸類，可供指揮員或者指揮機關(guān)在作戰(zhàn)指揮時可以迅速了解戰(zhàn)場態(tài)勢，及時準(zhǔn)確地做出決策的重要依據(jù)。近年來，基于軍事領(lǐng)域的命名實體識別與提取是提高作戰(zhàn)指揮自動化、智能化性能的一項重要研究，通過引入自然語言處理領(lǐng)域的一些相關(guān)技術(shù)，如自動分詞技術(shù)、分類標(biāo)注技術(shù)、信息提取技術(shù)等等，對非結(jié)構(gòu)化的自由文本形式的軍事文本進行分析、處理，從中提取出與作戰(zhàn)指揮系

2、統(tǒng)有關(guān)的重要信息，再形成計算機能快速、準(zhǔn)確識別的結(jié)構(gòu)化數(shù)據(jù)。
　　本文主要研究在對軍事文本命名實體識別任務(wù)中，從理論和技術(shù)兩個層次對必須用到的幾項關(guān)鍵技術(shù)進行深入地剖析。首先分析研究了分詞技術(shù)的理論、方法，以軍事文本為數(shù)據(jù)源，針對軍事文本的特點，建立了三個匹配詞典，采用了正向最大匹配法對軍事文書進行分詞；其次，設(shè)計類別標(biāo)簽，在分詞的同時為新切分出的每一個分詞單位加上類別標(biāo)簽，為接下來的識別構(gòu)建少部分的標(biāo)準(zhǔn)標(biāo)注語料；第三，提出了Tr

3、i-Training算法，它是一個半監(jiān)督的學(xué)習(xí)框架，在使用該算法過程中，首先使用第二部分得到的標(biāo)準(zhǔn)標(biāo)注語料，訓(xùn)練得到一個簡單的CRF模型，之后對CRF模型進行迭代學(xué)習(xí)，識別、提取出關(guān)鍵詞數(shù)據(jù)，在此基礎(chǔ)上使用基于詞典的方法對初步的識別結(jié)果進行校正，并將提取出的數(shù)據(jù)寫入結(jié)構(gòu)化的文件中，從而實現(xiàn)了從文本到結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換。通過四組實驗數(shù)據(jù)對比表明，采取詞典的校正方法能夠出色地識別出更多的各類合成詞，使識別的準(zhǔn)確率（Pre)、召回率(Rec)及

4、F-值都有較大幅度地提高。第四組的方法在繼承了基于Tri-Training算法對條件隨機場模型進行迭代學(xué)習(xí)的基礎(chǔ)上吸收了基于詞典的優(yōu)點，該方法在軍事文本中能夠出色地完成命名實體識別仟務(wù)，對軍事文本語料分類測試，其F-值在軍事文本識別中最高達到92.40％，與通用領(lǐng)域中命名實體識別的水平相接近。之后為了更加直觀形象地驗證此算法的優(yōu)越性，考慮到面向軍事領(lǐng)域的命名實體識別在部隊中的主要應(yīng)用實例是對基于軍事文本信息提取的電子地圖進行自動標(biāo)繪，因