python 识别人名_HanLP中人名识别分析

HanLP中人名识别分析

在看源码之前，先看几遍论文《基于角色标注的中国人名自动识别研究》

关于命名识别的一些问题，可参考下列一些issue:

HanLP参考博客：

分词

分词：给定一个字的序列，找出最可能的标签序列(断句符号：[词尾]或[非词尾]构成的序列)。结巴分词目前就是利用BMES标签来分词的，B(开头),M(中间),E(结尾),S(独立成词)

分词也是采用了维特比算法的动态规划性质求解的，具体可参考：文本挖掘的分词原理

角色观察

以“唱首张学友的歌情已逝”为例，

先将起始顶点 始##始，角色标注为：NR.A 和 NR.K，频次默认为1

iterator.next();

tagList.add(new EnumItem(NR.A, NR.K)); // 始##始 A K

对于第一个词“唱首”，它不存在于 nr.txt中，EnumItem nrEnumItem = PersonDictionary.dictionary.get(vertex.realWord);返回null，于是根据它本身的词性猜一个角色标注：

switch (vertex.guessNature()){

case nr:

case nnt:

default:{

nrEnumItem = new EnumItem(NR.A, PersonDictionary.transformMatrixDictionary.getTotalFrequency(NR.A