研報領域的產(chǎn)品詞命名實體識別的研究.pdf

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

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詞向量中前五個與當前詞詞向量距離最鄰近的詞作為優(yōu)化模型的特征。并在此基礎上，結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，提升了模型的準確率與召回率，且很大程度上改善了模型針對訓練過程中的語料稀缺以及標注語料匱乏等問題時的產(chǎn)品詞識別效果。
　　(2)本文在原