词性标注和命名体识别

本文探讨了词性标注和命名体识别在自然语言处理中的重要性。词性标注利用正则表达式和统计方法,如Jieba分词的字典匹配和HMM,对汉字进行词性判断。命名体识别则关注人名、地名和机构名等实体的识别,采用规则、统计和混合方法,其中条件随机场(CRF)作为有效的序列标注模型,考虑了前后状态的影响。
摘要由CSDN通过智能技术生成

词性是词汇的基本属性,通常也称为词类。词性标注是在给定的句子判断每个词的语法范畴,并加以标注的过程。在中文中,一个词的词性往往会在不同的语境中有不同的词性,但是大多是词语一般只有一到两个词性,并且其中一个词性的使用频率一般远远大于另一个词性。目前主流的词性标注方法和分词一样,将词性标注看住一个序列标注问题解决。

词性标注规范表自己去看,,,,,,,

Jieba分词的词性标注

这里使用结合规则和统计的方式,以字典匹配和HMM的方法。流程如下:

  1. 首先基于正则表达式进行汉字判断,表达式是re_han_internal = re.compile("([\u4E00-\u9FD5a-zA-Z0-9+#&\.-]+)")
  2. 若符合上述正则表达式,则判定为汉字,然后基于前缀词典构建有向无环图,再基于有向无环图计算最大概率,同时在前缀词典中找出它的词性,若在词典中未找到词性,则标注为“x”(表示为未知)。若使用HMM则使用HMM进行词性标注。
  3. 若不符合上面正则表达式,则继续通过正则表达式进行词性判断,标为“x”(未知)“m”(数词)“eng”(英文)

因为其方法和分词任务大概相同,所以可以将其联合起来共同实现

命名体识别

命名体识别是NLP的一项基础任务,其目的是识别语料中的人名,地名,机构名等内容,但是这些名词太多,因此一般把这些任务在词汇形态处理任务中独立处理,称为

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值