POI(Point of Interest)名称识别及其在对话导航系统中的应用

摘要

在智能终端技术日益普及的背景下，生活信息服务行业迅猛发展。作为生活信息服务的基础POI（Point of Interest，即兴趣点）应用也越来越广，如位置搜索服务、地理位置信息搜索等。在自然语言处理领域的角度，就需要对POI名称进行有效的识别。
　　POI名称主要由两部分组成:地名和机构名，这两个都是命名实体的组成部分。但是，不是所有的机构名都是POI名称，要对机构名进行过滤，提取出具有地理实体的机构名。所以POI名称识别可以先在地名识别和机构名识别的基础之上做进一步的研究及改进。
　　地名识别和机构名识别是命名实体识别的重要组成部分，国内外很多学者和专家对实体名识别进行了深入的研究，目前实体名识别的方法主要有:基于规则的方法、基于统计的方法、统计和规则相结合的方法等。基于统计的方法中，常见的模型方法有隐马尔科夫模型(HMM)、条件随机场模型(CRF)和最大熵马尔科夫模型(MEMM)等。由于条件随机场具有表达交叠性特征和长距离依赖性的能力，可以把所有特征可以进行全局归一化，所以本文采用条件随机场的方法进行POI名称的识别。
　　本文首先研究地名识别和机构名，在地名识别和机构名识别的成果之上，针对POI名称的特性做了改进的工作，并成功应用在了实际的面向导航的对话系统中，取得良好的效果。
　　本文的主要贡献如下:
　　1、提出POI名称识别的方法，进行POI名称的识别。本文采用先识别后过滤的两级模型，具有一定的创新性;
　　2、把POI名称的识别应用在对话系统中。

目录

摘要

第一章 前言

1．1 引言

1．2 本文工作

1．3 本文组织结构

第二章 背景及相关工作

2．1 POI的定义和内容

2．2 命名实体识别技术的发展

2．2．1 命名实体识别

2．2．1 命名实体识别研究现状

2．2．3 命名实体识别的应用

2．2．4 命名实体识别的主要方法

2．2．5 命名实体识别的难点

2．2．6 相关会议

2．2．7 命名实体识别的评价

2．2．3 地名识别

2．2．3 机构名识别

第三章 POI名称识别模型

3．1 POI名称识别模型框架

3．2 预处理

3．3 地名机构名识别模块

3．3．1 地名机构名识别模块框架

3．3．1 条件随机场

3．3．2 特征选择

3．3．3 特征选择实验

3．4 机构名过滤模型

3．4．1 N-gram模型

3．4．2 Good-Turing模型和数据平滑

3．4．3 模型压缩

3．4．4 评测

3．4．5 实验

第四章 POI地名识别及其在对话系统中的应用

4．1 对话系统框架

4．2 POI名称识别模型在对话系统的应用

第五章 总结与展望

5．1 本文贡献

5．2 将来工作

参考文献

致谢

附录

声明