基于Bootstrapping的交通工具名識別.pdf

1、名實(shí)體識別是自然語言處理領(lǐng)域的研究熱點(diǎn)之一，在信息抽取、自動問答等信息處理任務(wù)中都有十分重要的意義。隨著現(xiàn)代科技的高速發(fā)展，除人名、地名、機(jī)構(gòu)名之外，其它類別的名實(shí)體識別也成為研究熱點(diǎn)。在ACE評測大綱中，名實(shí)體識別是五個識別任務(wù)中的重要一個，它是對文本自動處理的前提工作，它的質(zhì)量會直接影響到后續(xù)的一系列工作。雖然名實(shí)體識別技術(shù)正日趨成熟，然而從評測的結(jié)果來看，中文名實(shí)體的識別還遠(yuǎn)不能滿足應(yīng)用的需求。因?yàn)檫@里存在著技術(shù)、資源、應(yīng)用需求之

2、間有機(jī)結(jié)合的問題。
　　交通工具名屬于ACE實(shí)體類別的一類，因此交通工具名識別是ACE項目中的重要組成部分。目前，很多研究名實(shí)體識別都是研究多個名實(shí)體類別，專門針對交通工具名的研究并不多。對于名實(shí)體識別，最先遇到的困難就是獲取大規(guī)模已標(biāo)注語料，這給我們的研究帶來了一定困難。另外，交通工具名自身的一些特點(diǎn)也是我們在研究過程中需要考慮的關(guān)鍵問題。
　　本文的主要工作是研究交通工具名識別的方法，在此基礎(chǔ)上建立了一個基于Bootst

3、rapping的交通工具名識別系統(tǒng)，經(jīng)過實(shí)驗(yàn)論證，此方法取得效果較好。本文主要研究了以下幾方面的內(nèi)容:
　　1.通過對真實(shí)語料的統(tǒng)計，深入分析了交通工具名的內(nèi)部特征和上下文環(huán)境特征，提出了適合交通工具名的特征集，并通過實(shí)驗(yàn)進(jìn)行特征選擇，確定了有效特征。
　　2.將信息熵增益理論運(yùn)用到模式和樣例的選擇中，這樣避免了以往用公式選擇時的局限性，可以判斷每一個模式或者樣例對實(shí)驗(yàn)結(jié)果的影響程度，從而判斷其重要性，為Bootstrapp

4、ing的有效運(yùn)行提供保證。
　　3.通過相似度計算來識別交通工具名，避免了模式的精確匹配。適應(yīng)了自然語言靈活多變的特點(diǎn)。
　　4.基于Bootstrapping算法設(shè)計實(shí)現(xiàn)了一個交通工具名識別系統(tǒng)。將交通工具名的特征信息和待識別實(shí)例分別表示為類特征向量和實(shí)例特征向量，通過計算它們的相似度來判斷待識別實(shí)例是否屬于交通工具名，在類特征向量的獲取過程中采用Bootstrapping算法。
　　我們對ACE語料32萬字的文本進(jìn)