音樂(lè)命名實(shí)體識(shí)別技術(shù)研究.pdf

1、命名實(shí)體(Named Entity，NE)識(shí)別的任務(wù)是識(shí)別出文本中特定的實(shí)體，它是信息抽取、機(jī)器翻譯、信息檢索和自動(dòng)問(wèn)答等多種自然語(yǔ)言處理技術(shù)的重要基礎(chǔ)。本文研究的是音樂(lè)領(lǐng)域的命名實(shí)體識(shí)別，識(shí)別的實(shí)體包括音樂(lè)名、藝術(shù)家名、專(zhuān)輯名和藝術(shù)家別名4類(lèi)。
　　目前命名實(shí)體識(shí)別領(lǐng)域主要有規(guī)則和統(tǒng)計(jì)兩類(lèi)方法。規(guī)則方法簡(jiǎn)單直觀，但規(guī)則的建立過(guò)程費(fèi)時(shí)費(fèi)力，不易移植。統(tǒng)計(jì)方法的健壯性和靈活性更好，可以方便地在不同領(lǐng)域之間移植，但統(tǒng)計(jì)模型的訓(xùn)練要求大

2、規(guī)模高質(zhì)量的標(biāo)準(zhǔn)語(yǔ)料庫(kù)，而語(yǔ)料的標(biāo)注工作同樣需要消耗大量的人力物力。
　　本文根據(jù)音樂(lè)命名實(shí)體的特點(diǎn)，在語(yǔ)料庫(kù)規(guī)模有限、語(yǔ)料質(zhì)量較差的條件下，提出一種規(guī)則和統(tǒng)計(jì)模型相結(jié)合的分類(lèi)方法來(lái)進(jìn)行音樂(lè)NE的識(shí)別。首先通過(guò)音樂(lè)專(zhuān)業(yè)詞典以及兩條簡(jiǎn)單的規(guī)則匹配出音樂(lè)NE的候選，然后通過(guò)最大熵（Maximum Entropy，ME）模型進(jìn)行分類(lèi)完成音樂(lè)NE的識(shí)別。
　　為了更加直觀地展示這種分類(lèi)方法的特點(diǎn)，文中將它和詞典匹配方法、基于隱馬爾可

3、夫模型（Hidden Markov Model，HMM）的序列標(biāo)注方法以及基于最大熵馬爾可夫（Maximum Entropy Markov Model，MEMM）的序列標(biāo)注方法進(jìn)行了比較實(shí)驗(yàn)。實(shí)驗(yàn)證明我們的分類(lèi)方法的音樂(lè) NE識(shí)別性能最好。本文還著重研究了ME模型特征中詞典信息對(duì)于音樂(lè)NE識(shí)別的作用，結(jié)果顯示其貢獻(xiàn)很大。
　　總的來(lái)說(shuō)，本文提出的分類(lèi)方法能夠使用更加豐富的特征，更加有效地利用音樂(lè)詞典的信息，克服了語(yǔ)料庫(kù)規(guī)模較小、質(zhì)