已閱讀1頁，還剩64頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著大數(shù)據(jù)時代的到來，從海量的互聯(lián)網(wǎng)文本中提取地理命名實體，具有成本低、效率高、實時性好等特點(diǎn)，必將成為一種重要的空間數(shù)據(jù)獲取來源。自然語言處理技術(shù)是人工智能研究的重要課題之一，它是利用計算機(jī)模擬人的大腦對語言知識進(jìn)行智能化分析、判斷從而識別并獲取人們想要的關(guān)鍵性語言信息?；谧匀徽Z言處理技術(shù)，利用計算機(jī)的高效運(yùn)算能力，自動識別海量網(wǎng)絡(luò)文本中的地理命名實體，具有重要的意義和價值。
以往關(guān)于地理命名實體識別的相關(guān)研究較少，可用于
2、模型訓(xùn)練的語料相對匱乏，且制作語料具有周期長、人工成本高、標(biāo)注語料不規(guī)范等缺點(diǎn)。本文針對這些不足，提出了采用中文百度百科文本關(guān)鍵詞回標(biāo)的方法大規(guī)模、自動化、較高準(zhǔn)確度的制備可用標(biāo)注語料，然后在此基礎(chǔ)上通過對地理命名實體的內(nèi)部特征和外部特征的分析，選用詞、詞長、詞性、后綴詞、觸發(fā)詞等作為特征向量，以條件隨機(jī)場作為識別模型，對百度百科測試語料進(jìn)行地理命名實體識別。最終結(jié)果與現(xiàn)有的Stanford NER工具和前人基于單字的識別算法進(jìn)行比較，
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論