基于联合模型的中文嵌套命名实体识别

中文嵌套命名实体识别是自然语言处理中一个比较困难的问题.针对传统的序列化标注方法的不足,本文提出了一种新的基于联合模型的中文嵌套命名实体识别方法,该方法将嵌套命名实体识别看作是一种联合切分和标注任务.联合模型用一种改进的beam search算法作为系统的解码算法,并采用一种在线学习算法平均感知器算法作为训练算法,获得了较快的收敛速度和较好的识别效果.实验结果表明基于联合模型的方法对嵌套命名实体识别取得了更好的效果.     

从唐传奇命名看传奇和史传文学的区别联系

传奇小说在唐朝时达到了鼎盛,由六朝志怪逐渐演变为成熟的唐传奇小说。在唐传奇的发展过程中,史传文学对其产生了不可磨灭的作用。唐传奇中既包含有明显的写史倾向,但同时又表现出较强的文学"虚构"色彩。这一点,从它的命名中可见一斑。     

基于命名实体的Web新闻文本分类方法

文章对Web新闻领域的文本自动分类问题进行了研究,提出一种基于新闻实体要素的分类方法;在应用空间向量模型的基础上,充分考虑命名实体对Web新闻文本分类的特殊作用,并进行了实验.实验结果表明,以新闻实体要素为特征的文本分类系统可得到较高的分类精度,该方法具有一定的实用价值.     

傣族人名的命名方式和文化功能

姓名是个体人的符号,承载着丰富的群体信息。不同的民族有不同的命名方式,西双版纳傣族姓名的各种命名方式蕴含了傣族姓名的多种文化功能。傣族姓名的很多特征与汉族命名是相似的,但也体现出一定的独特性。     

盘点星座命名中的“动物军团”

浩渺夜空,繁星点点,光肉眼可见的星星就有六七千颗,而且它们都有专名,如:天狼、织女、牛郎等,这是古代人们给它们的命名。我们要想认识星空,只须从铭记亮星开始,逐一辨认每一个星座,探索更多的星空知识。     

中文财经文本中公司名简称的自动识别

命名实体识别是当前自然语言处理的热点问题之一,对信息检索、信息抽取等具有重要意义.然而,目前多数研究都集中在对命名实体全称的识别上.本文以财经为领域背景,对从文本中识别简称,并将其映射成全称问题进行了研究,提出了一个启发式算法用于解决该问题.所提出的算法首先提取文本中每个N元组（Ngram）作为候选的公司名简称,然后建立n元组与全称表中每个全称的最优对齐关系,最后对每对“N元组全称”对齐关系进行评价和筛选,识别出文本中的简称及每个简称对应的全称.在随机获取的网页文本集上对所提出的算法进行了实验测试,算     

物质体系的命名规则及“反物质”词义问题

当前人们称由"反质子"和"反电子"等"反粒子"构成的物质为"反物质"。然而,这些"反"字开头的东西,不是逻辑错误,就是不存在。在对物质进行分类和命名时,应遵循在大类名词之前加特征词的命名方法。应将"反物质"更名为"异构物质"。     

基于DBNet和CRNN算法的端到端企业实体识别

随着深度学习技术的发展,文字识别与自然语言处理近年来受到广泛关注.结合文字识别与自然语言处理技术解决传统方法无法处理的问题,成为企业提高自身竞争力的重要利器.自然场景文字识别分为文字的检测和识别,两者缺一不可.本研究针对传统算法存在准确率低、识别速度慢及模型不轻量化等问题,提出一种基于DBNet的检测算法,结合CRNN的识别算法,辅以CTC loss来实现端到端的企业实体识别.此外,增加命名实体识别模块,提升了识别的准确度.在实验阶段,选择准确率(Precision, P)和识别速率(False Alarm, FA)作为评价指标,实验结果表明,本算法在数据集上,有较高的准确率和较快的识别速率,验证了所提出的改进方法并具有较好的效果.     

基于BERT-BiLSTM-CRF模型的中文实体识别研究

中文文本实体识别,是自然语言处理的关键问题.传统的语言处理模型无法有效表示文本中的上下文语义信息,无法处理一词多义的不同语境,影响实体识别效果.提出了一种BERT-BiLSTM-CRF的实体识别模型,BERT预处理语言模型生成表征上下文语义信息的词向量,通过双向长短期记忆网络对生成的向量进行特征提取,自注意力机制能够有效获取文本语句中的长距离依赖,最后通过CRF进行解码生成实体标签序列.实验结果表明,该模型在微软亚洲研究院MSRA语料库和人民日报语料库上都取得了优异成绩,F1分别达到96.12％和95.88％.     

微格教学在有机化合物命名双语教学中的应用

有机化合物命名是有机化学教学的重点和难点之一.本文介绍了微格教学的概念,研究了有机化合物命名微格双语教学的教学过程,分析了微格双语教学的教学效果.