搜索日志中中文人名自动识别  

Automatic Identification of Chinese Names in Search Logs

作　　者：王玥[1] 吕学强[1] 李卓[1] 舒燕 

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]北京拓尔思信息技术股份有限公司,北京100101

出　　处：《中文信息学报》2015年第3期162-168,176,共8页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61171159;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(KZ201311232037);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开放课题(ICDD201203)

摘　　要：搜索日志中人名识别一直是日志挖掘中的一个重点和难点,其结果好坏直接关系搜索引擎的检索效率和准确率。由于分析了长文本中人名识别方法在搜索日志中使用存在很多困难与不足,因而该文提出了一种在搜索日志中识别中文人名的方法。该方法将搜索日志中人名内部用字的概率特征引入条件随机场,再根据搜索日志的特点计算人名可信度提取搜索日志中的中文人名。在搜狗查询日志上进行实验,正确率平均达到了81.97%、召回率平均达到了85.81%,综合指标F值平均达到了83.79%。Search log name recognition has been a focus in Log Mining, which has direct impact on search engine＇s retrieval efficiency and accuracy. The paper analyzes the drawbacks of name identification methods for long texts when applied to search logs, and proposes a method to identify Chinese names in search logs. The method employs the name internal word probability extracted from search query logs by the Conditional Random Fields, then esti- mates the credibility of person name according to the characteristics in the search log. Experimental results on Sogou query logs show that our approach reaches 81.97% accuracyand 85.81% recall on average, yielding F-measure of 83.79%.

关 键 词：人名识别 搜索日志 条件随机场 可信度 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]