计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2008年
19期
5047-5050
,共4页
名实体识别%特征向量%向量相似度%半监督学习%自举
名實體識彆%特徵嚮量%嚮量相似度%半鑑督學習%自舉
명실체식별%특정향량%향량상사도%반감독학습%자거
提出一种基于向量相似度计算的半监督的NER方法,主要思想是:首先利用bootstrapping方法获取NER所需的各种特征;然后将待测实例表示为实例特征向量,每一类名实体表示为类特征向量;最后根据每个类特征向量与实例特征向量的相似度进行分类.在人民日报语料上选取疾病名、武器名、交通工具名进行相关测试,F测度分别为:77.4%,66.1%和73.1%,结果令人满意.
提齣一種基于嚮量相似度計算的半鑑督的NER方法,主要思想是:首先利用bootstrapping方法穫取NER所需的各種特徵;然後將待測實例錶示為實例特徵嚮量,每一類名實體錶示為類特徵嚮量;最後根據每箇類特徵嚮量與實例特徵嚮量的相似度進行分類.在人民日報語料上選取疾病名、武器名、交通工具名進行相關測試,F測度分彆為:77.4%,66.1%和73.1%,結果令人滿意.
제출일충기우향량상사도계산적반감독적NER방법,주요사상시:수선이용bootstrapping방법획취NER소수적각충특정;연후장대측실례표시위실례특정향량,매일류명실체표시위류특정향량;최후근거매개류특정향량여실례특정향량적상사도진행분류.재인민일보어료상선취질병명、무기명、교통공구명진행상관측시,F측도분별위:77.4%,66.1%화73.1%,결과령인만의.
