中文维基百科的实体分类研究

摘要：

维基百科实体分类对自然语言处理和机器学习具有重要的作用.本文采用机器学习的方法对中文维基百科的条目进行实体分类,在利用维基百科页面中半结构化信息和无结构化文本作为基本特征的基础上,结合中文的特点使用扩展特征和语义特征来提高实体分类性能.在人工标注的语料库上的实验表明,这些额外特征有效地提高了ACE分类体系上的实体分类性能,总体F1值达到96％,同时在扩展实体分类上也取得了较好的效果,总体F1值达95％.

关键词： 中文文本 实体分类 半结构化信息 无结构化文本

作者: 徐志浩 惠浩添 钱龙华 朱巧明

作者单位: 苏州大学自然语言处理实验室,江苏 苏州 215006;苏州大学计算机科学与技术学院,江苏 苏州 215006

会议类型: 国内会议

会议名称: 中国中文信息学会2015学术年会(CIPS2015)暨第十四届全国计算语言学学术会议(CCL2015)、第三届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD2015)

会议地点: 广州

会议语种:中文

页码: 1-11

在线出版日期: 2015-11-13（万方平台首次上网日期，不代表论文的发表时间）