基于Bootstrapping的交通工具名識別.pdf

1、名實體識別是自然語言處理領域的研究熱點之一，在信息抽取、自動問答等信息處理任務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、機構名之外，其它類別的名實體識別也成為研究熱點。在ACE評測大綱中，名實體識別是五個識別任務中的重要一個，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。雖然名實體識別技術正日趨成熟，然而從評測的結果來看，中文名實體的識別還遠不能滿足應用的需求。因為這里存在著技術、資源、應用需求之

2、間有機結合的問題。
　　交通工具名屬于ACE實體類別的一類，因此交通工具名識別是ACE項目中的重要組成部分。目前，很多研究名實體識別都是研究多個名實體類別，專門針對交通工具名的研究并不多。對于名實體識別，最先遇到的困難就是獲取大規(guī)模已標注語料，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也是我們在研究過程中需要考慮的關鍵問題。
　　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)過實驗論證，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，并通過實驗進行特征選擇，確定了有效特征。
　　2.將信息熵增益理論運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驗結果的影響程度，從而判斷其重要性，為Bootstrapp

4、ing的有效運行提供保證。
　　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。適應了自然語言靈活多變的特點。
　　4.基于Bootstrapping算法設計實現(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例分別表示為類特征向量和實例特征向量，通過計算它們的相似度來判斷待識別實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