本發(fā)明涉及一種機(jī)構(gòu)名識(shí)別領(lǐng)域，具體地說(shuō)是一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置。

背景技術(shù)：

命名實(shí)體識(shí)別及其關(guān)系抽取就是從文本中抽取出實(shí)體相關(guān)的知識(shí)的過(guò)程，是信息抽取的重要任務(wù)，是眾多自然語(yǔ)言處理領(lǐng)域的基礎(chǔ)，具有重要的研究意義和應(yīng)用價(jià)值。

命名實(shí)體識(shí)別最初使用的方法就是基于規(guī)則的方法，是通過(guò)使用詞法規(guī)則、語(yǔ)法規(guī)則甚至語(yǔ)義規(guī)則來(lái)進(jìn)行命名實(shí)體的識(shí)別。規(guī)則一般都是由領(lǐng)域?qū)＜疫M(jìn)行人工編寫(xiě)的，或者在人工編寫(xiě)的基礎(chǔ)上從訓(xùn)練語(yǔ)料中學(xué)習(xí)得到新的規(guī)則。命名實(shí)體識(shí)別的過(guò)程即規(guī)則匹配的過(guò)程。基于規(guī)則的方法實(shí)現(xiàn)簡(jiǎn)單，準(zhǔn)確率較高，然而由于規(guī)則的有限性，召回率較低?；谝?guī)則的系統(tǒng)需要花費(fèi)大量的專業(yè)的人力資源，并且缺乏適應(yīng)性。

基于統(tǒng)計(jì)的命名實(shí)體識(shí)別方法，是機(jī)器學(xué)習(xí)方法在自然語(yǔ)言處理領(lǐng)域的應(yīng)用。條件隨機(jī)場(chǎng)(Condition一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置l R一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置ndom Fields—CRF)是目前條件最好的序列標(biāo)注的模型，其中最常用的是簡(jiǎn)單的一階線性模型?；诮y(tǒng)計(jì)的方法利用語(yǔ)料進(jìn)行訓(xùn)練，然后根據(jù)訓(xùn)練好的模型進(jìn)行識(shí)別。標(biāo)注語(yǔ)料不需要專業(yè)人員，并且花費(fèi)時(shí)間較短。這類(lèi)系統(tǒng)可移植性較好?；诮y(tǒng)計(jì)方法的系統(tǒng)其效果常常會(huì)受到語(yǔ)料庫(kù)規(guī)模和質(zhì)量的影響，并且在自然語(yǔ)言處理領(lǐng)域，往往因?yàn)檎Z(yǔ)料規(guī)模小而產(chǎn)生過(guò)擬合。

機(jī)構(gòu)名中存在大量的縮寫(xiě)現(xiàn)象，縮寫(xiě)經(jīng)常出現(xiàn)在以下兩種情況下：(1)這個(gè)縮寫(xiě)廣為所知，例如全球著名的公司、機(jī)構(gòu)，品牌等(2)該縮寫(xiě)并未廣為所知，在前文中已經(jīng)提到過(guò)該縮寫(xiě)的全稱，并且有提及其簡(jiǎn)稱。機(jī)構(gòu)名簡(jiǎn)稱的識(shí)別也是比較困難的問(wèn)題。

維基百科是一個(gè)開(kāi)放的、動(dòng)態(tài)的、全球合作編輯的具有豐富知識(shí)的資源。維基百科通過(guò)模板規(guī)范化、協(xié)同編輯、邀請(qǐng)優(yōu)秀學(xué)者編輯學(xué)術(shù)條目等方法來(lái)保證條目的可靠性、準(zhǔn)確性和規(guī)范性，因此是非常好的無(wú)標(biāo)注的訓(xùn)練語(yǔ)料，目前已有大量的研究基于維基百科來(lái)獲取知識(shí)，最常見(jiàn)的是開(kāi)放的關(guān)系抽取、命名實(shí)體消歧、本體構(gòu)建以及語(yǔ)義網(wǎng)。

在各種評(píng)測(cè)會(huì)議上已經(jīng)取得了較好的效果，也有學(xué)者認(rèn)為命名實(shí)體識(shí)別這個(gè)問(wèn)題并沒(méi)有很好的解決，并且呼吁繼續(xù)研究命名實(shí)體識(shí)別問(wèn)題，原因如下：

命名實(shí)體識(shí)別只是在有限的文本類(lèi)型(主要是新聞?wù)Z料中)和實(shí)體類(lèi)別(主要是人名、地名)中取得了效果。與其它信息檢索領(lǐng)域相比，命名實(shí)體評(píng)測(cè)語(yǔ)料比較小，容易產(chǎn)生過(guò)擬合。通用的識(shí)別多種命名實(shí)體的系統(tǒng)性能很差。中文的命名實(shí)體識(shí)別與英文的相比，挑戰(zhàn)更大，目前未解決的難題更多。此外，從評(píng)測(cè)效果來(lái)看，中文機(jī)構(gòu)名的識(shí)別效果最差。

命名實(shí)體是一個(gè)開(kāi)放集合，因此存在大量的未登錄詞(語(yǔ)料中不存在的詞)。在評(píng)測(cè)的訓(xùn)練語(yǔ)料上有很好的效果，而在真實(shí)的環(huán)境中效果較差，其中的主要原因是算法過(guò)度擬合了訓(xùn)練語(yǔ)料，而泛化能力差。

MCL(The M一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置rkov Cluster一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置lgorithm)算法是一種圖結(jié)構(gòu)算法。在圖中，一個(gè)聚類(lèi)中的節(jié)點(diǎn)相互連接更加緊密，不同聚類(lèi)之間的節(jié)點(diǎn)相互連接不太緊密。在圖中進(jìn)行隨機(jī)游走，那么在一個(gè)聚類(lèi)中進(jìn)行游走的概率大于在不同聚類(lèi)之中進(jìn)行游走的概率。

Biem一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置nn提出的CW(Chinese Whisper)算法是對(duì)MCL算法的改進(jìn)，進(jìn)行了更加嚴(yán)格的限制，使其收斂更快，從而能處理更多的場(chǎng)景。CW算法比較簡(jiǎn)單，其數(shù)學(xué)公式描述如下：

D0＝In；//將D0初始化為單位矩陣

for e一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置ch iter一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置tion://每一次迭代

Dt-1＝m一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置xrow(Dt-1)；//m一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置xrow將矩陣匯總每一行的最大值設(shè)為1，其余設(shè)為0

Dt＝Dt-1一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置G；

CW算法的時(shí)間復(fù)雜度為O(k*|E|)，與圖中邊的個(gè)數(shù)有關(guān)，而與節(jié)點(diǎn)個(gè)數(shù)無(wú)關(guān)。CW算法已經(jīng)被應(yīng)用在語(yǔ)言識(shí)別、詞性標(biāo)注和詞義消解等任務(wù)中。因此CW算法比較適合具有稀疏性的NLP任務(wù)中。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的技術(shù)任務(wù)是提供一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置。

本發(fā)明的技術(shù)任務(wù)是按以下方式實(shí)現(xiàn)的，一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法,方法步驟如下：

第一步，從維基百科中自動(dòng)抽取機(jī)構(gòu)名，進(jìn)行簡(jiǎn)稱詞典的構(gòu)建，利用簡(jiǎn)稱詞典，形成機(jī)構(gòu)名簡(jiǎn)稱特征；

第二步，從訓(xùn)練數(shù)據(jù)中，結(jié)合傳統(tǒng)的分詞、詞性標(biāo)注和依存樹(shù)特征，形成最終的特征；

第三步，從維基百科文檔中，進(jìn)行正文提取、分詞等預(yù)處理，使用CW聚類(lèi)方法進(jìn)行詞語(yǔ)的聚類(lèi)，使用詞語(yǔ)的類(lèi)別特征作為語(yǔ)義特征；

第四步，基于CRF進(jìn)行訓(xùn)練時(shí)，提取機(jī)構(gòu)名簡(jiǎn)稱特征和詞語(yǔ)類(lèi)別的語(yǔ)義特征，利用CRF算法對(duì)標(biāo)注的訓(xùn)練數(shù)據(jù)生成機(jī)構(gòu)名是別的CRF模型，進(jìn)行算法的測(cè)試和評(píng)估，標(biāo)注結(jié)果；

第五步，對(duì)于未標(biāo)注的數(shù)據(jù)，利用CRF識(shí)別進(jìn)行算法的測(cè)試和評(píng)估，標(biāo)注結(jié)果。

優(yōu)選的，包括震蕩監(jiān)測(cè)的CW算法；

對(duì)于每一條邊，除了存儲(chǔ)權(quán)重信息之外，還需要存儲(chǔ)端點(diǎn)的類(lèi)別信息，以及震蕩的次數(shù)；

在節(jié)點(diǎn)中增加震蕩次數(shù)檢驗(yàn)，當(dāng)震蕩超過(guò)一定閾值時(shí)，把該節(jié)點(diǎn)標(biāo)記為同一類(lèi)別。

優(yōu)選的，包括簡(jiǎn)稱詞典的構(gòu)建方法：

從維基百科中構(gòu)建機(jī)構(gòu)名簡(jiǎn)稱詞典，首先需要識(shí)別哪些條目是表示機(jī)構(gòu)名，然后從該條目的文字內(nèi)容中識(shí)別機(jī)構(gòu)名的簡(jiǎn)稱，或者從重定向關(guān)系中識(shí)別機(jī)構(gòu)名的簡(jiǎn)稱，或者從其它條目的錨文本中獲取機(jī)構(gòu)名的簡(jiǎn)稱。

優(yōu)選的，包括特征模板的設(shè)計(jì)，根據(jù)以下規(guī)則設(shè)計(jì)特征模板：

從句子中出現(xiàn)機(jī)構(gòu)名的尾詞位置開(kāi)始向前所形成的名詞短語(yǔ)，有可能是機(jī)構(gòu)名；

某些特定詞語(yǔ)可以指示其上下文可能包含機(jī)構(gòu)名，這些詞語(yǔ)成為邊界詞；

某些特定詞語(yǔ)可以指示其所直接依賴或間接依賴的詞語(yǔ)可為機(jī)構(gòu)名，這些詞語(yǔ)稱為依賴詞；

所述的特征模板為：

T01 W[n] 當(dāng)前詞語(yǔ)；

T02 W[n-1] 當(dāng)前位置前一位置的詞語(yǔ)；

T03 W[n+1] 當(dāng)前位置后一位置的詞語(yǔ)；

T04 POS[n] 當(dāng)前詞語(yǔ)的詞性；

T05 POS[n-1] 當(dāng)前位置前一位置的詞語(yǔ)的詞性；

T06 POS[n+1] 當(dāng)前位置后一位置的詞語(yǔ)的詞性；

T07 Class[n] 當(dāng)前位置的聚類(lèi)類(lèi)別；

T08 InDict[n] 當(dāng)前位置的詞語(yǔ)是否在簡(jiǎn)稱詞典中；

T09 LDDependency[n] 當(dāng)前位置的詞語(yǔ)的左邊直接依賴詞語(yǔ)；

T10 RDDependency[n] 當(dāng)前位置的詞語(yǔ)的右邊直接依賴詞語(yǔ)；

T11 LIDDependency[n] 當(dāng)前位置的詞語(yǔ)的左邊間接依賴詞語(yǔ)；

T12 RIDDependency[n] 當(dāng)前位置的詞語(yǔ)的右邊間接依賴詞語(yǔ)；

T13 W[n]&&Pos[n-1] 當(dāng)前位置的詞語(yǔ)與其前一個(gè)位置的詞語(yǔ)的詞性；

T14 W[n]&&Class[n-1] 當(dāng)前位置的詞語(yǔ)與其前一個(gè)位置的詞語(yǔ)的類(lèi)別；

每一個(gè)特征模板對(duì)應(yīng)著所有具有該含義的特征的集合；其中T1-T3是基于詞語(yǔ)的上下文的特征，T4-T6是基于詞語(yǔ)的詞性特征，T7是基于詞語(yǔ)的類(lèi)別特征，T8是為了處理簡(jiǎn)稱的問(wèn)題，T9-T12是基于依存句法的特征，T13-T14是組合特征。

一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取裝置，包括簡(jiǎn)稱詞典構(gòu)建模塊、詞語(yǔ)聚類(lèi)模塊、CRF訓(xùn)練模塊和CRF識(shí)別模塊4個(gè)模塊；

其中，簡(jiǎn)稱詞典構(gòu)建模塊和詞語(yǔ)聚類(lèi)模塊用于生成更加豐富的特征；

CRF訓(xùn)練模塊是利用CRF算法對(duì)標(biāo)注的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)模型；

CRF識(shí)別模塊是利用訓(xùn)練好的模型對(duì)未標(biāo)注的數(shù)據(jù)進(jìn)行識(shí)別，也可以用來(lái)進(jìn)行算法的測(cè)試和評(píng)估。

本發(fā)明的一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法和裝置和現(xiàn)有技術(shù)相比，主要貢獻(xiàn)如下：

1、提出了基于語(yǔ)義信息的機(jī)構(gòu)名抽取裝置，并且提出了使用維基百科自動(dòng)構(gòu)建機(jī)構(gòu)名詞典的方法；

2、使用了基于圖的聚類(lèi)算法進(jìn)行詞語(yǔ)聚類(lèi)，并且使用詞語(yǔ)的類(lèi)別特征作為語(yǔ)義特征；

3、改進(jìn)了圖聚類(lèi)算法CW，提出的震蕩檢測(cè)CW算法，并未改變CW的時(shí)間復(fù)雜度，所以其時(shí)間復(fù)雜度仍然為O(k*|E|)，由于使用了更加復(fù)雜的結(jié)構(gòu)表示圖中的邊，空間占用略微提高，但是空間復(fù)雜度并沒(méi)有改變。因此，本文提出的震蕩檢測(cè)CW算法保留了CW算法的高效性，又解決了其由于震蕩而不能收斂的問(wèn)題；

4、構(gòu)建了包含大量未登錄機(jī)構(gòu)名的測(cè)試語(yǔ)料，該語(yǔ)料更具有說(shuō)服力；

5、本發(fā)明提出的裝置與目前最好的開(kāi)源工具相比，F(xiàn)1值提高了8％左右。

附圖說(shuō)明

附圖1為一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法的系統(tǒng)結(jié)構(gòu)圖；

附圖2為CW算法的震蕩現(xiàn)象的初始狀態(tài)示意圖；

附圖3為CW算法的震蕩現(xiàn)象的震蕩中狀態(tài)示意圖；

具體實(shí)施方式

實(shí)施例1：

一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取方法,方法步驟如下：

第一步，從維基百科中自動(dòng)抽取機(jī)構(gòu)名，進(jìn)行簡(jiǎn)稱詞典的構(gòu)建，利用簡(jiǎn)稱詞典，形成機(jī)構(gòu)名簡(jiǎn)稱特征；

第二步，從訓(xùn)練數(shù)據(jù)中，結(jié)合傳統(tǒng)的分詞、詞性標(biāo)注和依存樹(shù)特征，形成最終的特征；

第三步，從維基百科文檔中，進(jìn)行正文提取、分詞等預(yù)處理，使用CW聚類(lèi)方法進(jìn)行詞語(yǔ)的聚類(lèi)，使用詞語(yǔ)的類(lèi)別特征作為語(yǔ)義特征；

使用詞語(yǔ)聚類(lèi)算法CW對(duì)大量語(yǔ)料進(jìn)行處理，自動(dòng)得到詞語(yǔ)的類(lèi)別。

第四步，基于CRF進(jìn)行訓(xùn)練時(shí)，提取機(jī)構(gòu)名簡(jiǎn)稱特征和詞語(yǔ)類(lèi)別的語(yǔ)義特征，利用CRF算法對(duì)標(biāo)注的訓(xùn)練數(shù)據(jù)生成機(jī)構(gòu)名是別的CRF模型，進(jìn)行算法的測(cè)試和評(píng)估，標(biāo)注結(jié)果；

第五步，對(duì)于未標(biāo)注的數(shù)據(jù)，利用CRF識(shí)別進(jìn)行算法的測(cè)試和評(píng)估，標(biāo)注結(jié)果。

一種基于語(yǔ)義信息的機(jī)構(gòu)名抽取裝置，包括簡(jiǎn)稱詞典構(gòu)建模塊、詞語(yǔ)聚類(lèi)模塊、CRF訓(xùn)練模塊和CRF識(shí)別模塊4個(gè)模塊；

其中，簡(jiǎn)稱詞典構(gòu)建模塊和詞語(yǔ)聚類(lèi)模塊用于生成更加豐富的特征；

CRF訓(xùn)練模塊是利用CRF算法對(duì)標(biāo)注的訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)模型；

CRF識(shí)別模塊是利用訓(xùn)練好的模型對(duì)未標(biāo)注的數(shù)據(jù)進(jìn)行識(shí)別，也可以用來(lái)進(jìn)行算法的測(cè)試和評(píng)估。

震蕩監(jiān)測(cè)的CW算法；

對(duì)于每一條邊，除了存儲(chǔ)權(quán)重信息之外，還需要存儲(chǔ)端點(diǎn)的類(lèi)別信息，以及震蕩的次數(shù)；

在節(jié)點(diǎn)中增加震蕩次數(shù)檢驗(yàn)，當(dāng)震蕩超過(guò)一定閾值時(shí)，把該節(jié)點(diǎn)標(biāo)記為同一類(lèi)別。

本發(fā)明提出了一種震蕩檢測(cè)算法，當(dāng)震蕩出現(xiàn)時(shí)，把震蕩的點(diǎn)的類(lèi)別設(shè)置為相同的類(lèi)別。

見(jiàn)附圖2，對(duì)于每一條邊，除了存儲(chǔ)權(quán)重信息之外，還需要存儲(chǔ)端點(diǎn)的類(lèi)別信息，以及震蕩的次數(shù)。對(duì)于圖中的第j條邊Ej，Ej用一個(gè)元組表示Ej＝{W，CNi，CNk，NC}。其中W表示Ej的權(quán)重，Ej連接Ni和Nk兩個(gè)節(jié)點(diǎn)，并假設(shè)Ej有一個(gè)隱式的方向，從Ni連向Nk，而CNi和CNk分別表示上一次迭代中Ni和Nk的類(lèi)別，而NC表示本次迭代之前，邊Ej上存在的震蕩次數(shù)。

對(duì)于每一次迭代，使用CW算法計(jì)算出Ni和Nk的新的類(lèi)別CNi'和CNk'，那么Ej更新規(guī)則如下：

如果CNi'＝＝CNk'，則同一條邊連接的兩個(gè)點(diǎn)的類(lèi)別相同，不屬于震蕩，Ej＝{W，CNi'，CNk'，0}

如果CNi'＝CNk并且CNk'＝CNi，那么發(fā)生震蕩，Ej＝{W，CNi'，CNk'，NC+1}

否則，沒(méi)有發(fā)生震蕩，Ej＝{W，CNi'，CNk'，0}

如果震蕩次數(shù)超過(guò)某一閾值之后，可以設(shè)置Ej＝{W，CNi'，CNi'，0}或Ej＝{W，CNk'，CNi'，0}。

如附圖2、3中，附圖2是初始狀態(tài)，附圖3是震蕩中的另一狀態(tài)，震蕩現(xiàn)象發(fā)生時(shí)，在附圖2和附圖3中的狀態(tài)之間循環(huán)切換。

如圖中的節(jié)點(diǎn)中增加震蕩次數(shù)檢驗(yàn)，震蕩超過(guò)一定閾值時(shí)，把圖中的點(diǎn)標(biāo)記為同一類(lèi)別。

簡(jiǎn)稱詞典的構(gòu)建方法：

維基百科可以從Media Wiki中下載原始的數(shù)據(jù)，也可以從DBPedia中獲取解析好的元數(shù)據(jù)，包括連接信息，摘要信息，目錄信息，參考信息等。

從維基百科中構(gòu)建機(jī)構(gòu)名簡(jiǎn)稱詞典，首先需要識(shí)別哪些條目是表示機(jī)構(gòu)名，然后從該條目的文字內(nèi)容中識(shí)別機(jī)構(gòu)名的簡(jiǎn)稱，或者從重定向關(guān)系中識(shí)別機(jī)構(gòu)名的簡(jiǎn)稱，或者從其它條目的錨文本中獲取。

機(jī)構(gòu)名簡(jiǎn)稱特征，基于維基百科的語(yǔ)料自動(dòng)取大量的機(jī)構(gòu)名的簡(jiǎn)稱。

機(jī)構(gòu)名簡(jiǎn)稱的自動(dòng)抽取，使用維基百科中的條目的描述信息、使用維基百科中的鏈接錨節(jié)點(diǎn)進(jìn)行抽取。

機(jī)構(gòu)名條目的識(shí)別比較簡(jiǎn)單，可以根據(jù)條目的目錄信息來(lái)進(jìn)行構(gòu)建。機(jī)構(gòu)名的類(lèi)別是個(gè)有限集，例如，“納斯達(dá)克上市公司”，“美國(guó)軟件公司”，等。使用規(guī)則的方法，如果該條目所屬于的所有目錄都是與機(jī)構(gòu)名有關(guān)的，就說(shuō)明該條目表示的是機(jī)構(gòu)名，否則該條目表示的不是機(jī)構(gòu)名。

基于條目的摘要信息抽取機(jī)構(gòu)名簡(jiǎn)稱。維基百科中的條目都具有一定的描述規(guī)范，摘要簡(jiǎn)要地描述條目的主要信息，對(duì)于機(jī)構(gòu)名，一般會(huì)包括機(jī)構(gòu)名的簡(jiǎn)稱信息。維基百科的頁(yè)面的摘要通常是以條目名稱開(kāi)頭，或者是條目名稱的全稱或簡(jiǎn)稱，并且以特殊的格式顯示，例如黑體。本文使用正則表達(dá)式來(lái)抽取文本中所包含的機(jī)構(gòu)名簡(jiǎn)稱。

此外，利用條目之間的重定向關(guān)系補(bǔ)充簡(jiǎn)稱詞典。重定向關(guān)系，例如，當(dāng)檢索“WTO”時(shí)，會(huì)重定向到“世界衛(wèi)生組織”。

由于分詞的原因，簡(jiǎn)稱詞典中的機(jī)構(gòu)名簡(jiǎn)稱不一定都在一個(gè)詞語(yǔ)中，例如“電子科大位于成都。”，被分詞成“電子科大位于成都。”。，而“電子”和“科大”并不是簡(jiǎn)稱詞典中的一個(gè)條目。所以判斷當(dāng)前詞語(yǔ)是否在簡(jiǎn)稱詞典中需要進(jìn)行特殊處理，對(duì)句子進(jìn)行提前匹配和標(biāo)注，本文使用了基于字典樹(shù)的方法。每一個(gè)特征模板對(duì)應(yīng)著所有具有該含義的特征的集合。其中，T1-T3是基于詞語(yǔ)的上下文的特征，T4-T6是基于詞語(yǔ)的詞性。

特征模板

條件隨機(jī)場(chǎng)算法中最重要的是特征模板的設(shè)計(jì)。特征可以認(rèn)為是訓(xùn)練語(yǔ)料的數(shù)據(jù)分布，可以從多個(gè)維度分析訓(xùn)練語(yǔ)料的分布。

NLP中的特征一般都是二值特征函數(shù)，只取0和1?；谠~的機(jī)構(gòu)名識(shí)別方法中，當(dāng)前詞標(biāo)記為E_ORG，并且下一個(gè)位置的詞為“學(xué)?！?，可以表示為：

(公式1)

機(jī)構(gòu)名識(shí)別中可以使用非常豐富的特征，例如句法特征，文法特征等。特征是專家通過(guò)對(duì)數(shù)據(jù)的理解來(lái)設(shè)計(jì)的，本發(fā)明提出幾條規(guī)則來(lái)引導(dǎo)特征的設(shè)計(jì)。

從句子中出現(xiàn)機(jī)構(gòu)名的尾詞位置開(kāi)始向前所形成的名詞短語(yǔ)，有可能是機(jī)構(gòu)名。

某些特定詞語(yǔ)可以指示其上下文可能包含機(jī)構(gòu)名，這些詞語(yǔ)成為邊界詞。

某些特定詞語(yǔ)可以指示其所直接依賴或間接依賴的詞語(yǔ)可為機(jī)構(gòu)名，這些詞語(yǔ)稱為依賴詞。

根據(jù)以上三條指示規(guī)則以及經(jīng)驗(yàn)，本發(fā)明設(shè)計(jì)的基于詞的機(jī)構(gòu)名的特征模板如表1所示。

表1特征模板

每一個(gè)特征模板對(duì)應(yīng)著所有具有該含義的特征的集合。其中，T1-T3是基于詞語(yǔ)的上下文的特征，T4-T6是基于詞語(yǔ)的詞性

特征，T7是基于詞語(yǔ)的類(lèi)別特征，T8是為了處理簡(jiǎn)稱的問(wèn)題，T9-T12是基于依存句法的特征，T13-T14是組合特征。

通過(guò)上面具體實(shí)施方式，所述技術(shù)領(lǐng)域的技術(shù)人員可容易的實(shí)現(xiàn)本發(fā)明。但是應(yīng)當(dāng)理解，本發(fā)明并不限于上述的幾種具體實(shí)施方式。在公開(kāi)的實(shí)施方式的基礎(chǔ)上，所述技術(shù)領(lǐng)域的技術(shù)人員可任意組合不同的技術(shù)特征，從而實(shí)現(xiàn)不同的技術(shù)方案。