CRF和词典相结合的蒙古文地名识别研究

J4 ›› 2016, Vol. 38 ›› Issue (05): 1046-1051.

CRF和词典相结合的蒙古文地名识别研究

吴金星1，丽丽1，杨振新2

(1.内蒙古大学蒙古学学院,内蒙古呼和浩特 010021；2.中国科学院合肥智能机械研究所，安徽合肥 230031)

收稿日期:2015-10-29 修回日期:2015-12-10 出版日期:2016-05-25 发布日期:2016-05-25
基金资助:
内蒙古自治区蒙古语言文字信息化专项扶持项目（2012339）；国家自然科学基金（61070099）;内蒙古自治区教育厅项目（NJZC16002）

Recognition of geographical names in Mongolian
based on conditional random fields and dictionary

WU Jinxing1,LI Li1,YANG Zhenxin2

（1.School of Mongolian Studies,Inner Mongolia University,Huhhot 010021;
2.Institute of Intelligent Machine,Chinese Academy of Science,Hefei 230031,China)

Received:2015-10-29 Revised:2015-12-10 Online:2016-05-25 Published:2016-05-25

摘要/Abstract

摘要：

蒙古语在命名实体识别方面开展过人名的识别，但在地名的识别方面还没有开展相应的研究。首次实现了基于条件随机场模型的蒙古文地名识别。首先从蒙古语黏着性特点分析入手，研究了蒙古语语料库中地名的存在形式以及各类地名的特点，针对蒙古语语料库中地名的特点，在词汇特征、指示词特征、特征词特征等特征基础上引入了词性特征。之后通过地名词典补召了未识别的地名。以内蒙古大学开发的100万词规模的标注语料库为训练数据，该模型的地名识别性能达到了94.68%的准确率、84.40%的召回率和89.24%的F值。

关键词: 蒙古文地名, 识别, CRF, 特征, 词典

Abstract:

This is the first realization of Mongolian geographical names recognition based on conditional random fields. First we analyze the existing forms and characteristics of the geographical names in the corpus from the aspect of Mongolian adhesion characteristic. In addition to designation words and the part of speech, lexical features are also introduced as the location feature of geographical names. Then unrecognized names are called by location dictionaries. Taking the 3rdlevel annotated corpus with about 1000,000 words as the training data, the proposed model achieves an accuracy of 94.68%, a recall rate of 84.40%, and a F score of 89.24%.

Key words: Mongolian geographical name;recognition;CRF;feature;dictionary

吴金星1，丽丽1，杨振新2. CRF和词典相结合的蒙古文地名识别研究[J]. J4, 2016, 38(05): 1046-1051.

WU Jinxing1,LI Li1,YANG Zhenxin2. Recognition of geographical names in Mongolian
based on conditional random fields and dictionary [J]. J4, 2016, 38(05): 1046-1051.

[1]	丁建平, 李卫军, 刘雪洋, 陈旭. 命名实体识别研究综述[J]. 计算机工程与科学, 2024, 46(07): 1296-1310.
[2]	田红鹏, 吴璟玮. RIB-NER：基于跨度的中文命名实体识别模型[J]. 计算机工程与科学, 2024, 46(07): 1311-1320.
[3]	邓翔宇, 裴浩媛, 盛迎. 基于网络融合的改进MobileViT人脸表情识别[J]. 计算机工程与科学, 2024, 46(06): 1072-1080.
[4]	陈璐, 董凌, 王文君, 王剑, 余正涛, 高盛祥, . 融合音素的缅甸语语音识别文本纠错[J]. 计算机工程与科学, 2024, 46(06): 1121-1127.
[5]	范琪, 王善敏, 刘成广, 刘青山. 类别特征约束的多目标域表情识别方法[J]. 计算机工程与科学, 2024, 46(05): 836-845.
[6]	赵金源, 贾迪. 改进YOLOv5的多人姿态估计修正算法[J]. 计算机工程与科学, 2024, 46(05): 852-860.
[7]	刘盼, 郭延明, 雷军, 王昊冉, 老松杨, 李国辉. 结合上下文的细粒度实体分类特征表示方法[J]. 计算机工程与科学, 2024, 46(05): 929-936.
[8]	李新洁, 王文君, 董凌, 赖华, 余正涛, 高盛祥, . 基于多特征交互融合的老挝语无监督音素分割方法[J]. 计算机工程与科学, 2024, 46(05): 937-944.
[9]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[10]	王谢中, 陈旭, 景永俊, 王叔洋. 基于异构图神经网络的半监督网站主题分类[J]. 计算机工程与科学, 2024, 46(04): 635-646.
[11]	余天赐, 高尚. 融合多结构信息的代码注释生成模型[J]. 计算机工程与科学, 2024, 46(04): 667-675.
[12]	吴一珩, 李军辉, 朱慕华 . 基于多视角对比学习的隐式篇章关系识别[J]. 计算机工程与科学, 2024, 46(04): 716-724.
[13]	杨晓强, 黄加诚. 基于动态定位和特征融合的多分支细粒度识别方法[J]. 计算机工程与科学, 2024, 46(02): 253-263.
[14]	刘振超, 苑迎春, 王克俭, 何晨. 融合特征权重与改进粒子群优化的特征选择算法[J]. 计算机工程与科学, 2024, 46(02): 282-291.
[15]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.