[发明专利]一种融合多特征的老挝语人名地名实体识别方法

权利要求书

1.一种融合多特征的老挝语人名地名实体识别方法，其特征在于：包括以下步骤：

Step1：获取老挝语人名地名命名实体语料，进行语料预处理；

Step2：将BLSTM算法训练老挝语词语的后缀、前缀字符级向量；

Step3：对老挝语词语进行词向量转化，通过Gensim的word2vec模型，训练具有上下文语义的词向量；

Step4：将字符级向量和词向量进行组合拼接，得到完整的特征向量；

Step5：将老挝语人名地名多特征融合到CRF算法模型中，形成优化的CRF模型；

Step6：将Step4得到的完整特征向量输入到Step5得到的CRF优化模型进行老挝语人名地名实体词识别训练。

2.根据权利要求1所述融合多特征的老挝语人名地名实体识别方法，其特征在于：所述步骤Step2具体步骤如下：

Step2.1：建立BLSTM模型：使用TensorFlow深度学习框架，python程序语言进行BLSTM算法的编写；

Step2.2：设置模型参数：设置迭代次数为10000次，学习率设置为0.1、0.01、0.001三种，通过最后在训练集上体现的准确率，选择合适的学习率；

Step2.3：训练字符级向量：将老挝语词语进行字符切分，输入到BLSTM算法中进行训练。

3.根据权利要求1所述融合多特征的老挝语人名地名实体识别方法，其特征在于：所述步骤Step3具体步骤如下：

Step3.1：老挝语分词：通过老挝语分词工具，通过分词算法计算机会自动将老挝语句子切分成单词；

Step3.2：去除停用词：将老挝语停用词作成一个词典，将分词后的老挝语进行筛选；

Step3.3：训练词向量：首先安装Gensim包，调用Word2vec算法模型，将筛选后的老挝语词语作为输入，Word2vec算法将词语的频率和上下文信息进行训练，最终输出具有了上下文语义特征的词向量。

4.根据权利要求1所述融合多特征的老挝语人名地名实体识别方法，其特征在于：所述步骤Step4具体步骤如下：

Step4.1：安装科学计算模块：通过python安装Numpy科学计数模块，进行特征向量的矩阵运算；

Step4.2：特征向量拼接：将步骤Step2中训练的字符级特征向量矩阵维度设置为固定值，将步骤Step3中训练的具有上下文语义特征的词向量矩阵维度设置的和Step2一致，使用加载的Numpy科学计数模块，进行运算，将两组特征向量进行拼接组合成一组特征向量。

5.根据权利要求1所述融合多特征的老挝语人名地名实体识别方法，其特征在于：所述步骤Step5具体步骤如下：

Step5.1：整理老挝语语言学特征：老挝人名字前面有冠词，老挝语地名前有指示词；

Step5.2：将老挝语语言学特征制定成规则，将规则融合到条件随机场CRF算法中，形成可以对老挝语人名地名实体词的识别的优化的CRF模型。

6.根据权利要求1所述融合多特征的老挝语人名地名实体识别方法，其特征在于：所述步骤Step6具体步骤如下：

Step6.1：识别老挝语人名地名：将Step4中拼接成的完整特征向量作为输入，Step5融合老挝语语言学特征的条件随机场CRF模型作为输出层算法，最后输出老挝语人名地名识别标志。