用户查询日志中的中文机构名识别  

Chinese Organization Name Recognition in User Query Log

作　　者：关晓炟 吕学强[1] 李卓[1] 郑略省[1,2] 

机构地区：[1]北京信息科技大学网络文化与数字传播北京市重点实验室,北京100101 [2]北京大学计算语言学研究所,北京100871

出　　处：《现代图书情报技术》2014年第1期72-78,共7页New Technology of Library and Information Service

基　　金：国家自然科学基金项目"基于本体的专利自动标引研究"(项目编号:61271304);北京市教委科技发展计划重点项目暨北京市自然科学基金B类重点项目"面向领域的互联网多模态信息精准搜索方法研究"(项目编号:KZ201311232037)的研究成果之一

摘　　要：【目的】解决在用户查询日志中识别机构名的标注语料资源匮乏及信息不对称问题。【方法】提出一种自动构建用户查询日志机构名训练语料的方法,解决目前用户查询日志语料资源匮乏的问题。提出粘合度概念解决信息不对称问题,结合上下文等信息,采用条件随机场模型进行机构名识别。【结果】该方法在搜狗用户查询日志上的开放测试结果显示,机构名识别的正确率为72.80%,召回率为86.73%,F值为79.16%,比传统机构名识别方法在日志上的F值提高30%。【局限】语料构建方法仅仅是模拟查询日志的特点,但训练模型的误差仍然会大于规范化标注的查询日志语料;机构名表的数据量大小会影响模型对上下文知识学习的完备性。【结论】实验表明该方法应用于用户查询日志中的机构名识别是有效的。[Objective] To solve the problems of query log annotated data shortage and information asymmetry in user query log organization name recognition. [Methods] The paper proposes an automatic method to create training data, which abates the insufficient of user query log annotated data. The authors cite the adhesion features and constructed CRF model to recognize organization names by integrating context information. [Results] Experiments on Sogou user query log show that precision rate can reach 72.80%, recall rate can reach 86.73% and F-measure can reach 79.16%. The method improves F-measure by 30% comparing with the traditional organization name recognition method. [Limitations] The model error using auto-created training set will be greater than standard annotated user query log data.The scale of organization name set will affect the completeness of the model＇s context knowledge. [Conclusions] Experiment results demonstrate that the method is effective.

关 键 词：用户查询日志 中文机构名 语料构建粘合度条件随机场 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]