论文部分内容阅读
首次把条件随机域（CRF）模型应用到了中文名实体识别中，且根据中文的特点，定义了多种特征模板。同时，为了解决长距离约束问题，将词语触发对融合到了CRF模型中。提出了基于词语方差（word variance）的选词方法，在词语相关性计算上，采用了平均互信息（AMI）方法和χ^2统计量方法。通过在半年人民日报上的测试，结果表明在采用相同特征集合的条件下，条件随机域模型较其他概率模型有更好的性能表现；融合长距离触发对的条件随机域模型可以使系统的F量度提高约1．38％。