【摘要】：命名實(shí)體識(shí)別是自然語言處理研究領(lǐng)域中的一項(xiàng)很重要的基礎(chǔ)性任務(wù),是實(shí)體關(guān)系抽取和事件抽取等高層任務(wù)重要基石.如何在缺乏標(biāo)注語料或只有少量標(biāo)注語料條件下,提高命名實(shí)體識(shí)別的性能是自然語言處理領(lǐng)域的一個(gè)重要研究方向.針對(duì)這一問題,提出一種基于實(shí)例的遷移學(xué)習(xí)算法——TLNER_AdaBoost.該方法通過自動(dòng)調(diào)整訓(xùn)練集中實(shí)例樣本的權(quán)重和計(jì)算輔助訓(xùn)練樣本的遷移能力來提高訓(xùn)練語料質(zhì)量,并選取采用不完全標(biāo)注語料的自學(xué)習(xí)方法和采用完全標(biāo)注語料的基于條件隨機(jī)場(chǎng)的方法來對(duì)該方法進(jìn)行實(shí)驗(yàn)對(duì)比分析.經(jīng)實(shí)驗(yàn)對(duì)比分析得知,本文方法在提高命名實(shí)體識(shí)別的準(zhǔn)確率、召回率和F值的同時(shí),大大降低了人工標(biāo)注語料的工作量.
[Abstract]:Named entity recognition is an important basic task in the field of natural language processing. It is an important cornerstone of high-level tasks such as entity relation extraction and event extraction. How to improve the performance of named entity recognition is an important research direction in the field of natural language processing. In order to solve this problem, a case-based migration learning algorithm, TLNER_AdaBoost., is proposed. The method improves the quality of the training corpus by automatically adjusting the weight of the sample and calculating the transfer ability of the training sample. The self-learning method using incomplete tagging corpus and the conditional random field method based on fully annotated corpus are selected to compare and analyze the method. The experimental results show that the method not only improves the accuracy, recall rate and F value of named entity recognition, but also greatly reduces the workload of manual tagging corpus.
【作者單位】： 昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61462054,61363044)資助 云南省科技廳面上項(xiàng)目(2015FB135)資助 云南省教育廳科學(xué)研究基金重點(diǎn)項(xiàng)目(2014Z021)資助 昆明理工大學(xué)省級(jí)人培項(xiàng)目(KKSY201403028)資助
【分類號(hào)】：TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 何炎祥;羅楚威;胡彬堯;;基于CRF和規(guī)則相結(jié)合的地理命名實(shí)體識(shí)別方法[J];計(jì)算機(jī)應(yīng)用與軟件;2015年01期

2 閆丹輝;畢玉德;;基于規(guī)則的越南語命名實(shí)體識(shí)別研究[J];中文信息學(xué)報(bào);2014年05期

3 鐘志農(nóng);劉方馳;吳燁;伍江江;;主動(dòng)學(xué)習(xí)與自學(xué)習(xí)的中文命名實(shí)體識(shí)別[J];國防科技大學(xué)學(xué)報(bào);2014年04期

4 莊福振;羅平;何清;史忠植;;遷移學(xué)習(xí)研究進(jìn)展[J];軟件學(xué)報(bào);2015年01期

5 史熒中;王士同;蔣亦樟;劉培林;;遷移學(xué)習(xí)支持向量回歸機(jī)[J];計(jì)算機(jī)應(yīng)用;2013年11期

6 趙軍;;命名實(shí)體識(shí)別、排歧和跨語言關(guān)聯(lián)[J];中文信息學(xué)報(bào);2009年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 包烏格德勒;鮑薇;;基于條件隨機(jī)場(chǎng)的蒙古文地名識(shí)別[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年03期

2 胡楊;馮旭鵬;戴丹;劉利軍;黃青松;;最小費(fèi)用最大流跨領(lǐng)域情感分類框架[J];小型微型計(jì)算機(jī)系統(tǒng);2017年01期

3 陳超;沈飛;嚴(yán)如強(qiáng);;改進(jìn)LSSVM遷移學(xué)習(xí)方法的軸承故障診斷[J];儀器儀表學(xué)報(bào);2017年01期

4 唐亮;席耀一;趙曉峰;易綿竹;;基于特征相似度的跨語言事件映射[J];計(jì)算機(jī)應(yīng)用;2016年S2期

5 羅成;;從中美教材對(duì)比視角談“理想化模型”教學(xué)思路——以“質(zhì)點(diǎn)”模型為例[J];物理教學(xué)探討;2016年12期

6 宋鵬;鄭文明;趙力;;基于特征遷移學(xué)習(xí)方法的跨庫語音情感識(shí)別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年11期

7 阿依古麗·哈力克;艾山·吾買爾;吐爾根·伊布拉音;卡哈爾江·阿比的熱西提;買合木提·買買提;;漢維時(shí)間數(shù)字和量詞的識(shí)別與翻譯研究[J];中文信息學(xué)報(bào);2016年06期

8 鄭宇;程樂峰;孟科;張睿;李正佳;余濤;;一種基于能源互聯(lián)網(wǎng)的能源USB系統(tǒng)方案設(shè)計(jì)[J];新型工業(yè)化;2016年10期

9 趙穎;;基于改進(jìn)SVM的文本混沌性分類優(yōu)化技術(shù)實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2016年20期

10 樊養(yǎng)余;李祖賀;王鳳琴;馬江濤;;基于跨領(lǐng)域卷積稀疏自動(dòng)編碼器的抽象圖像情緒性分類[J];電子與信息學(xué)報(bào);2017年01期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣亦樟;鄧趙紅;王士同;;ML型遷移學(xué)習(xí)模糊系統(tǒng)[J];自動(dòng)化學(xué)報(bào);2012年09期

2 張春元;;基于條件隨機(jī)場(chǎng)的文本分類模型[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年07期

3 張英鋒;馬彪;張金樂;陳漫;范昱珩;李文昌;;基于光譜分析和SVM的綜合傳動(dòng)故障診斷研究[J];光譜學(xué)與光譜分析;2010年06期

4 王明軍;周俊;屠s，

本文編號(hào)：2415128