[发明专利]一种面向电影评论的人名命名实体识别方法

摘要

本发明公开了一种面向电影评论的人名命名实体识别方法，属于实体识别的技术领域，包括以下内容：定义电影评论中人名的命名实体类型；构建训练数据集TrainSet；对未标注数据集进行以字符为单位的切割，构造字符矩阵，利用word2vec中的skip‑gram模型，构建字符与字向量的映射字典；产生各字符对应的命名特征字典；对字符的字向量和命名特征进行组合生成训练人名识别模型的特征向量矩阵；利用Bi‑LSTM和CRF进行混合模型的构造，以此进行人名识别模型训练；通过训练的人名识别模型对特征向量矩阵进行识别人名，以实现面向电影评论人名识别任务的人名定义、人名识别时对字符级别进行人名标注、命名特征的获取方法以及将word2vec训练所得字向量与命名特征进行组合运用。

主权项

1.一种面向电影评论的人名命名实体识别方法，其特征在于，包括以下内容：1、定义电影评论中人名的命名实体类型：根据人名的命名实体类型的不同形成不同的标签；2、构造数据集：利用网络爬虫，爬取大规模的未标注电影评论，构建未标注数据集；在未标注的电影中随机挑选若干电影，基于步骤1中的命名实体类型，用字符标签定义电影评论中的人名，构建训练数据集TrainSet；3、字向量字典构建：对未标注数据集进行以字符为单位的切割，构造字符矩阵，构造字符矩阵作为输入数据，利用word2vec中的skip‑gram模型，对字符矩阵进行无监督的字嵌入预训练，构建字符与字向量的映射字典；4、构建命名特征字典：从网络中获取人名数据集，根据人名的命名特征定义字典类型，每种类型的字典对应一个命名特征，以产生各字符对应的命名特征字典；5、特征组合和数值化：对字符的字向量和命名特征进行组合生成训练人名识别模型的特征向量矩阵；其中，利用tensorflow中的双向长短期记忆网络(Bi‑LSTM)和条件随机场模型(CRF)进行混合模型的构造，以此进行人名识别模型训练；6、人名识别：通过训练的人名识别模型对特征向量矩阵进行字序列标注，抽取出标注为人名标签的连续字符串，根据标签类别重新组合为词级别的人名。