音樂命名實體識別技術(shù)研究.pdf

1、命名實體(Named Entity，NE)識別的任務(wù)是識別出文本中特定的實體，它是信息抽取、機器翻譯、信息檢索和自動問答等多種自然語言處理技術(shù)的重要基礎(chǔ)。本文研究的是音樂領(lǐng)域的命名實體識別，識別的實體包括音樂名、藝術(shù)家名、專輯名和藝術(shù)家別名4類。
　　目前命名實體識別領(lǐng)域主要有規(guī)則和統(tǒng)計兩類方法。規(guī)則方法簡單直觀，但規(guī)則的建立過程費時費力，不易移植。統(tǒng)計方法的健壯性和靈活性更好，可以方便地在不同領(lǐng)域之間移植，但統(tǒng)計模型的訓(xùn)練要求大

2、規(guī)模高質(zhì)量的標準語料庫，而語料的標注工作同樣需要消耗大量的人力物力。
　　本文根據(jù)音樂命名實體的特點，在語料庫規(guī)模有限、語料質(zhì)量較差的條件下，提出一種規(guī)則和統(tǒng)計模型相結(jié)合的分類方法來進行音樂NE的識別。首先通過音樂專業(yè)詞典以及兩條簡單的規(guī)則匹配出音樂NE的候選，然后通過最大熵（Maximum Entropy，ME）模型進行分類完成音樂NE的識別。
　　為了更加直觀地展示這種分類方法的特點，文中將它和詞典匹配方法、基于隱馬爾可

3、夫模型（Hidden Markov Model，HMM）的序列標注方法以及基于最大熵馬爾可夫（Maximum Entropy Markov Model，MEMM）的序列標注方法進行了比較實驗。實驗證明我們的分類方法的音樂 NE識別性能最好。本文還著重研究了ME模型特征中詞典信息對于音樂NE識別的作用，結(jié)果顯示其貢獻很大。
　　總的來說，本文提出的分類方法能夠使用更加豐富的特征，更加有效地利用音樂詞典的信息，克服了語料庫規(guī)模較小、質(zhì)