基于多模型融合的汉语介词短语识别

摘要

提出了一种多模型融合的介词短语识别方法,不仅能识别并列型介词短语,而且提高了嵌套型介词短语的识别精度.首先,利用简单名词短语识别模型识别出语料中的短语信息并进行融合,简化语料,降低介词短语内部复杂性;其次,用CRF模型识别嵌套的内层介词短语,即若存在嵌套则识别嵌套的内层,若无嵌套则识别该介词短语;最后,将初始语料中识别出来的内层介词短语进行分词融合并修改其特征信息,重新训练外层介词短语识别模型进行识别.在内、外层介词短语自动识别后,利用双重错误校正系统对识别的介词短语进行校正.在2000年《人民日报》语料中进行五倍交叉实验,结果表明,该方法识别的介词短语的正确率、召回率、F值分别为94.11％,94.02％,94.06％,比基于简单名词短语的介词短语识别方法(baseline)分别提高了1.09、1.07、1.08个百分点,有效提高了介词短语识别的性能.