基于条件随机场的中文人名性别识别研究

《基于条件随机场的中文人名性别识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于条件随机场的中文人名性别识别研究*越晓凡牛承志2，刘永革1（1.安阳师范学院计算机与信息工程学院，河南安阳455002;2.郑州大学第一附属医院信息科，河南郑州455000）E-mail：zxfanfan922@tom.com摘要：中国人名性别的自动识别可以应用在自然语言处理领域，是命名实体识别的一个具体应川。文章根据人名的结构和用字信息，构建人名标注集，选择6组特征模板集，利用条件随机场进行模型训练，在231337个人名数据库中经过封W测试，正确率可以达到90%以上。实验证明：在人名库屮识别性别，名字用字的作用要岛于姓氏用字，且从机器学习的角度来说性别差异可以体现在人名用字屮。关

2、键字：性别识别；中文人名要素；命名实体识别；特征选择；条件随机场中图分类号：TP391文献标识码：八CRFs-basedapproachtogenderrecognitionofChinesenameZHAOXiao-fan1,NIUCheng-zhi2,LIUYong-ge1(1.SchoolofComputerandInformationEngineering,AnyangNormalUniversity，AnyangHenan455(X)2;2.TheInformationDepartmentoftheFirstAffiliatedHospitalofZhengzhouUniver

3、sity，Zhengzhou455(XX))E-mail：zxfanfan922@tom.comAbstract:GenderrecognitionofpersonnamecanbeusedinnaturallanguageprocessingwhichisaspecificapplicationofNamedEntityRecognition.GenderrecognitionmethodmakesuseofthestructureandvocabularyinformationofChinesepersonalname.TheexperimentonthebasisofCRFsisd

4、esignedbyconstructingpersonnameannotationsetandselectingsuitablefeaturemodelusingNLPtechnology.Throughtheclosedteston231337personnames90.08%accuracyisgot.Theexperimentprovesthattheeffectofthelastnameingenderrecognitionishighertotheroleofthefirstnameandgenderdifferencescanbefoundfromthenamesbasedo

5、nmachinelearningKeywords:genderrecognition;Chinesenameelement;NamedEntityRecognition;featureselection;conditionalrandomfieldso引言目前命名实体识别(NamedEntityRecognition,NER)仍然是屮文信息处理的难点和热点，对未登录词的处理，其结果往往很难满足需求。人名的出现是影响未登录词识别正确率的关键。在《人民日报》1998年1月的语料库(共计2305896字)中，平均每100个字包含未登录词1.192个(不计数词、时间词)，其巾61.34%的未登录

6、词是人名。人名作为一个符号，对单个的个体应该具有很高的辨识度。按照日常生活的经验和人们的习惯，起名用字往往与性别相关。文献丨51对7万屮国人名的90个常用尾字进行非参数基金项目：由国家自然科学基金（60875081）河南省教冇厅髙等学校青年骨干教师项目（2009GGJS-108）支持。作荞简介：赵晓凡（1981-），女，河南安阳人，讲师，硕士，研宄方向为ft然语言处理，汉语分词，信息基于条件随机场的中文人名性别识别研究*越晓凡牛承志2，刘永革1（1.安阳师范学院计算机与信息工程学院，河南安阳455002;2.郑州大学第一附属医院信息科，河南郑州455000）E-mail：zxfanfa

7、n922@tom.com摘要：中国人名性别的自动识别可以应用在自然语言处理领域，是命名实体识别的一个具体应川。文章根据人名的结构和用字信息，构建人名标注集，选择6组特征模板集，利用条件随机场进行模型训练，在231337个人名数据库中经过封W测试，正确率可以达到90%以上。实验证明：在人名库屮识别性别，名字用字的作用要岛于姓氏用字，且从机器学习的角度来说性别差异可以体现在人名用字屮。关键字：性别识别；中文人名要素；命名实体识别；特征选