[发明专利]一种地理学科领域命名实体识别方法

摘要

本发明公开了一种地理学科领域命名实体识别方法，识别出地理学科核心术语类和地理区域位置类实体,主要包括三个步骤：(1)地理学科领域词典构建，采用新词发现算法无监督地识别出地理学科领域新词。(2)基于条件随机场(CRF)模型和多通道卷积神经网络(MCCNN)模型进行训练与测试。(3)基于规则的方法,纠错和融合模型识别出的实体。本发明采用新词发现算法无监督识别领域新词作为词典,以提高分词效果。从大规模未标注数据中无监督地学习词的语义向量，并综合词的基础特征，作为MCCNN模型的输入特征，避免了手动选取和构建特征。自定义规则融合两种模型的预测结果，纠正识别过程中的错误标记问题。

主权项

一种地理学科领域命名实体识别方法，其特征在于，包括如下步骤：1)先标注语料，然后采用新词发现算法构建地理学科领域词典；2)通过无标注的文本和步骤1中构建的地理学科领域词典，进行学习单词的特征表示；3)通过多通道卷积神经网络模型训练和预测，多通道中其中一个通道的输入是句子中每个单词wi的上下文特征φ(wi)，倾向于捕捉词的句法和语义信息；另一个通道的输入是单词wi的基础特征，选取词性、词长和词频，关于词的基本特征，倾向于捕捉词的表层特征；4)首先对无标注的文本和地理学科领域词典构成的数据集进行预处理，然后进行分词、词性标注，并采用BIO标注方式对数据集进行标注；针对地理学科领域特点，进行特征选取，选取出常用特征和地理学科领域特征，最后根据条件随机场模型进行训练和预测；5)采用基于规则的方法对步骤3和步骤4预测结果进行纠错和融合，得到最后的预测结果。