研報(bào)領(lǐng)域的產(chǎn)品詞命名實(shí)體識別的研究.pdf

1、命名實(shí)體識別是自然語言處理的基礎(chǔ)研究之一，命名實(shí)體識別的效果的好壞，可能會(huì)直接影響到后續(xù)研究的效果。在金融研報(bào)（以下簡稱研報(bào)）領(lǐng)域中，產(chǎn)品詞是一種常見的命名實(shí)體，識別這些產(chǎn)品詞命名實(shí)體能夠有助于從研報(bào)中挖掘出更深層次的信息，對進(jìn)行后續(xù)的研報(bào)研究具有極其重要的意義。本文在分析了大量研報(bào)之后，針對研報(bào)中產(chǎn)品詞命名實(shí)體存在的潛在規(guī)律，提出了相應(yīng)的產(chǎn)品詞命名實(shí)體識別方案，研究方法如下:
　　(1)本文選取條件隨機(jī)場CRF作為序列標(biāo)注模型，

2、在引入常用的詞、詞性等特征之后，提出一種基于Word2vec的特征提取及優(yōu)化算法，該算法首先提取出word2vec詞向量中前五個(gè)與當(dāng)前詞詞向量距離最鄰近的詞作為優(yōu)化模型的特征。并在此基礎(chǔ)上，結(jié)合種子詞詞典與同義詞理論，分別引入種子產(chǎn)品詞詞頻及前后綴搭配詞特征來優(yōu)化模型。該方法不僅豐富了模型的特征，提升了模型的準(zhǔn)確率與召回率，且很大程度上改善了模型針對訓(xùn)練過程中的語料稀缺以及標(biāo)注語料匱乏等問題時(shí)的產(chǎn)品詞識別效果。
　　(2)本文在原