基于汉字标注的中文历史事件名抽取研究

摘要：

[目的]探讨中文历史事件名识别和抽取的最优模型,用于历史文本的知识重组和中国历史事件本体的构建.[方法]以魏晋南北朝史书文本为原始语料,进行自动标引,运用条件随机场(CRFs)模型,以单个汉字为标注对象,探讨不同汉字角色集合、不同特征对历史事件名识别的影响,寻找最佳模型.[结果]经过实验论证,得到字素的词性倾向和姓氏特征相累加的最佳历史事件名识别模型,F1值高达98.74％,该最佳模型在两个开放场景中的应用也得到较好的识别效果.[局限]由于史书文本的语料特性,本实验的数据量不是特别充足;未在本实验环境下验证汉字角色标注相较于词角色标注的优越性.[结论]定义恰当的角色和特征集合后,CRFs模型可以有效地识别和抽取历史文本中的历史事件名.

关键词：历史事件名、条件随机场、汉字标注命、名实体识别、本体学习

所属期刊栏目：2

分类号：TP393;G350(计算技术、计算机技术)

资助基金：国家自然科学基金项目“面向学术资源的TSD与TDC测度及分析研究”71503121;“江苏青年社科英才”人才培养项目的研究成果之一

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：89-100