規(guī)則與統(tǒng)計相結合的音樂領域命名實體識別.pdf

1、音樂是人類史上一個永恒的主題,是人們情感的寄托和外化。隨著互聯(lián)網(wǎng)的不斷發(fā)展,人們接觸到的音樂信息更是層出不窮,如何從浩瀚的信息中獲取感興趣的內(nèi)容是亟待解決的問題。因此,人們迫切需要一些自動化工具對音樂領域的海量信息進行處理,音樂搜索、音樂個性化推薦、音樂趨勢分析等研究便應運而生。而音樂命名實體(簡稱音樂實體)如歌手名、歌曲名等是音樂信息中最基本的元素。因此,如何從海量的音樂信息中正確識別出音樂實體是一個非常重要的研究課題,也是其它相關研

2、究的重要基礎。
　　 音樂實體識別是命名實體識別的一個垂直組成部分?，F(xiàn)階段國內(nèi)外在命名實體識別方面已經(jīng)有大量的研究工作,尤其是在人名、地名和機構名的識別上。而在音樂實體識別方面的研究很少,涉及到中文歌曲名、專輯名識別的更少。因此,為了準確、全面地識別出音樂實體,我們需要全方位了解音樂領域中命名實體的特征,并借鑒已有的命名實體識別技術來設計一個中文音樂實體識別系統(tǒng)。
　　 本文研究了中文命名實體識別方法在音樂領域相關Web

3、信息中的應用,以便人們能夠快速、準確地將分散在不同網(wǎng)頁中的音樂實體抽取出來。本文主要在以下兩個方面開展了工作:
　　 第一,設計了一種分布式網(wǎng)絡蜘蛛框架和提出了一種基于DOM的Web主題信息提取方法,并且改進了分詞模塊,為音樂命名實體的識別做了準備工作。
　　 第二,通過對音樂實體及上下文特點的分析,提出了一種規(guī)則與統(tǒng)計相結合的音樂實體識別方案。其核心思想為:首先,在分詞之前采用基于規(guī)則的方法來識別部分明顯的音樂實體。然