資源描述：
《試論中文時間表達(dá)式識別研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、復(fù)旦大學(xué)碩士學(xué)位論文中文時間表達(dá)式識別研究姓名：鄔桐申請學(xué)位級別：碩士專業(yè)：計算機應(yīng)用技術(shù)指導(dǎo)教師：黃萱菁2010-05摘要隨著信息處理技術(shù)的飛速發(fā)展，命名實體識別技術(shù)越來越多的受到人們的關(guān)注。本文所研究的時間表達(dá)式識別，就是命名實體識別領(lǐng)域一項基礎(chǔ)而重要的任務(wù)。時間表達(dá)式在自然語言處理領(lǐng)域有著非常廣泛的應(yīng)用。在主題檢測與跟蹤任務(wù)中，可以用時間來定位事件發(fā)生的先后順序；在自動問答系統(tǒng)中，可以用來回答和時間相關(guān)的問題，如“多久，何時”；在機器翻譯任務(wù)中，時間順序的定位可以讓譯文更加通順易讀；甚至在網(wǎng)頁結(jié)構(gòu)分析方
2、面，也有研究利用時間表達(dá)式特征提高網(wǎng)頁分析精度。時間表達(dá)式識別技術(shù)主要分為兩類：基于機器學(xué)習(xí)的序列標(biāo)注方法和基于規(guī)則的方法。本文分別對這兩類方法進行了深入而細(xì)致的研究。對于序列標(biāo)注方法，本文介紹了目前主流的有監(jiān)督學(xué)習(xí)模型：條件最大熵和條件隨機場，并且分別使用兩種模型實現(xiàn)了完整的中文時間表達(dá)式識別系統(tǒng)。實驗結(jié)果顯示，雖然序列標(biāo)注方法在命名實體識別領(lǐng)域占據(jù)主流地位，但是對于時間表達(dá)式識別任務(wù)，基于條件最大熵模型構(gòu)建的系統(tǒng)F．score達(dá)到79．1％，基于條件隨機場模型構(gòu)建的系統(tǒng)F．score達(dá)到79．5％，兩者都
3、無法綴有效的完成時間表達(dá)式識別任務(wù)。目前，時間表達(dá)式識別領(lǐng)域，最為廣泛使用的仍然是經(jīng)典的基于規(guī)則的方法，本文也針對基于規(guī)則的方法進行了深入的探索。首先，構(gòu)建人工規(guī)則庫：然后，為了提高召回率，解決人工消耗問題，設(shè)計了基于訓(xùn)練語料自動學(xué)習(xí)規(guī)則的時間表達(dá)式識別算法，這樣做充分利用了訓(xùn)練語料中大量的己標(biāo)注信息；接著，為了提高正確率，本文又結(jié)合錯誤驅(qū)動思想進行規(guī)則剪枝，削減了規(guī)則自動學(xué)習(xí)過程所帶來的“噪聲”；最終，為了進一步提高系統(tǒng)整體識別性能，提出“時間基元”概念，并將自然語言處理領(lǐng)域中的分詞技術(shù)應(yīng)用到“時間基元”規(guī)
4、則的構(gòu)建中來，實驗結(jié)果顯示，該算法顯著的提高了時間表達(dá)式識別的整體性能?！白詣訕?gòu)建時間基元規(guī)則庫”算法是本文的主要創(chuàng)新工作，它是一種基于正則文法的時間表達(dá)式識別算法：它基于“時間基元”進行規(guī)則構(gòu)建，提高了時間表達(dá)式識別的召回率；同時使用基于錯誤驅(qū)動思想的規(guī)則剪枝算法，提高了識別的正確率，兩者搭配有效提高了系統(tǒng)整體性能。在ACE07中文語料上的實驗結(jié)果顯著超過了現(xiàn)有水平，F(xiàn)．score達(dá)到89．8％。此外，本文提出的算法具有很好的通用性和擴展性，它可以有效利用訓(xùn)練語料自動構(gòu)建特定領(lǐng)域高精度的規(guī)則庫，進而完成實體
5、識別任務(wù)。最終，結(jié)合上述研究成果，實現(xiàn)了完整的基于“自動構(gòu)建時間基元規(guī)則庫”算法的中文時間表達(dá)式識別系統(tǒng)。關(guān)鍵詞：時間表達(dá)式識別，時間基元，TIMEX2，錯誤驅(qū)動，正則表達(dá)式，命名實體識別，條件最大熵，條件隨機場中圖分類號：TP3AbstractNamedentityrecognitiontechniquehasreceivedmoreandmoreattentionsrecentlyalongwiththegreatdevelopmentofinformationprocessingtechnology．I
6、nthisdissertation，itwillfocusontimeexpressionrecognition，whichisoneofthemostimportantdirectionswithinnamedentityrecognitionresearcharea．Timeexpressionhasquitealotofusefulapplicationswithinnaturallanguageprocessing．ItCallbeusedtodetermineeventsequenceintopic
7、detectionandtracking；itCanbeusedtoanswertimerelatedquestionssuchas‘'when’’and‘'howlong’’inautomaticquestionandanswersystem；itcallmakethetranslatedtexteasierunderstoodinmachinetranslation；itcallbealsousedtopromoteprecisionofanalysisofwebpagestructureinsomesp
8、ecialtasks．Therearetwomaintechnologiesintimeexpressionrecognition：sequencelabelingmethodbasedonmachinelearningtheoryandrule-basedmethod．Thisdissertationtakesdeepandcarefulresearchesintothesetwotechnolo
