本發明公開了一種基于統計與條件隨機場的復雜中文地名識別方法,包括如下步驟:首先通過爬取權威網站NGAC的地質文章標題數據,制作復雜地名語料庫;隨后根據復雜地名語料庫進行字頻以及詞頻的統計,生成關聯性詞典;然后記錄待識別原文中的相鄰詞之間的關聯性并通過與關聯性閾值比較進行復雜地名的字詞連接,最終將識別的地名進行輸出;最后采用中國地名數據建立關聯性字典,用復雜地名語料庫制作訓練數據和測試數據,訓練復雜地名識別模型的閾值,并將所有關聯性數值中的最小值作為新的閾值。本發明結構設計合理,本發明不僅能夠對復雜地名進行識別,同時還具有很高的復雜地名識別準確率。
聲明:
“基于統計與條件隨機場的復雜中文地名識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)