基于循環(huán)神經(jīng)網(wǎng)絡(luò)的中文人名識別的研究.pdf

1、中文人名識別任務(wù)是中文信息處理領(lǐng)域中的基礎(chǔ)任務(wù)，其性能的好壞將直接影響到其他任務(wù)的性能。中文人名的隨意性使其在未登錄詞中占有較大的比重，解決未登錄詞識別問題首先要解決人名識別問題。因此，解決中文人名識別問題具有重要的意義。
　　現(xiàn)有基于統(tǒng)計的中文人名識別方法存在特征選取復(fù)雜和人工干預(yù)等問題，針對這些問題，本文提出了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks)的中文人名識別方法，該方法僅采用詞向量作為模

2、型的特征且無需人工干預(yù)，有效降低了特征選取的復(fù)雜性和人工干預(yù)對實驗造成的影響。此外，詞向量可以通過大量未標(biāo)注的中文數(shù)據(jù)訓(xùn)練獲得，然后將蘊含豐富語義信息的詞向量作為循環(huán)神經(jīng)網(wǎng)絡(luò)模型的輸入，可以使模型學(xué)習(xí)到更多的信息，提升模型的性能。
　　本文將模型分為兩個階段:模型構(gòu)建階段和后處理階段。
　　在模型構(gòu)建階段，我們將重點放在詞向量的優(yōu)化策略上。針對詞向量的優(yōu)化問題，本文提出了三種策略:
　　(1)將word2vec訓(xùn)練得到

3、的詞向量替換循環(huán)神經(jīng)網(wǎng)絡(luò)模型的隨機(jī)初始詞向量
　　(2)對詞向量訓(xùn)練語料進(jìn)行數(shù)詞泛化操作
　　(3)改進(jìn)word2vec模型，將特征信息融入詞向量實驗結(jié)果表明，通過詞向量的優(yōu)化操作，中文人名識別模型的F值提高了2.23％。
　　在后處理階段，通過上下文規(guī)則對候選人名進(jìn)行過濾;采用基于篇章的全局?jǐn)U散操作召回在某一位置由于信息不足識別不出而在其他位置能夠被識別的人名;使用基于篇章的局部擴(kuò)散操作識別篇章信息中有名無姓或者有姓