基于隐马尔科夫模型的命名实体识别

基于马尔科夫模型的命名实体识别

NE识别的数学描述

利用HMM解决序列标注问题，即给定一个观察值的序列，要寻找一个最优的标记序列，使得条件概率最大。根据贝叶斯公式可得：

在NE识别问题中，X是给定的句子，观察值为词性或词，则上式中P(X)对所有的类别都是一样的，因此可以忽略不考虑。则上面的公式可以转化为下面的形式：

即HMM实质式求解一个联合概率。上式中的标记序列Y可以看做是一个马尔科夫链，则对上式利用乘法公式有：

基于HMM的NE识别的问题就是如何在给定的模型下，从一定观察值序列的所有可能的状态下，选取最有的标记序列。常用的方法是viterbi算法，它属于动态规划算法，动态规划的思想是把问题分解，先解决最基本的子问题，再逐步外推寻找更大的子问题的最优解，在有限步后达到整个问题的最优解，即得到最有的NE标记序列

隐马尔科夫模型

观察到的事件是状态的随机函数，该模型是一个双重的随机过程，其中模型的状态转换过程是不可观察的。可观察的事件的随机过程是隐藏的状态转换过程的随机函数。形式化的描述为一个五元组。

1. S表示模型中的状态，N是模型的状态数。所有独立的状态定义为,且用来表示t时刻的状态。

2. O表示每个状态的观察值，M表示每个状态上对应的可能的观察值的数目。观察值对应于模型系统的实际输出，观察值记为：

3. 状态转移概率矩阵，其中，1<=i，j<=N，表示从状态i转移到状态j的概率，满足：>=0，；且。

4. 输出观察值概率分布矩阵，其中表示在状态下，t时刻出现的概率，即，1<=j<=N,1<=k<=M.

5. 初始状态分布向量，其中,即在t=1时刻处于状态的概率，满足：。

HMM模型需解决的三个问题：

（1）评估问题。给定一个观察序列，以及模型，如何有效的计算,也就是这个观测序列有多大可能是由该模型产生的；

（2）解码问题。给定观测序列以及模型，如何选择一个状态序列，使得观测序列O式最具可能的，即求解;

（3）学习问题。如何能够通过调整参数以最大化

ICTCLAS分词的词性列表

名词(1个一类，7个二类，5个三类)

名词分为以下子类：

n 名词

nr 人名

nr1 汉语姓氏

nr2 汉语名字

nrj 日语人名

nrf 音译人名

ns 地名

nsf 音译地名

nt 机构团体名

nz 其它专名

nl 名词性惯用语

ng 名词性语素

时间词(1个一类，1个二类)

t 时间词

tg 时间词性语素

处所词(1个一类)

s 处所词

方位词(1个一类)

f 方位词

动词(1个一类，9个二类)

v 动词

vd 副动词

vn 名动词

vshi 动词“是”

vyou 动词“有”

vf 趋向动词

vx 形式动词

vi 不及物动词（内动词）

vl 动词性惯用语

vg 动词性语素

形容词(1个一类，4个二类)

a 形容词

ad 副形词

an 名形词

ag 形容词性语素

al 形容词性惯用语

区别词(1个一类，2个二类)

b 区别词

bl 区别词性惯用语

状态词(1个一类)

z 状态词

代词(1个一类，4个二类，6个三类) r 代词

rr 人称代词

rz 指示代词

rzt 时间指示代词

rzs 处所指示代词

rzv 谓词性指示代词

ry 疑问代词

ryt 时间疑问代词

rys 处所疑问代词

ryv 谓词性疑问代词

rg 代词性语素

数词(1个一类，1个二类) m 数词

mq 数量词

量词(1个一类，2个二类)

q 量词

qv 动量词

qt 时量词

副词(1个一类)

d 副词

介词(1个一类，2个二类)

p 介词

pba 介词“把”

pbei 介词“被”

连词(1个一类，1个二类)

c 连词

cc 并列连词

助词(1个一类，15个二类) u 助词

uzhe 着

ule 了喽

uguo 过

ude1 的底

ude2 地

ude3 得

usuo 所

udeng 等等等云云

uyy 一样一般似的般

udh 的话

uls 来讲来说而言说来

uzhi 之

ulian 连（“连小学生都会”）叹词(1个一类)

e 叹词

语气词(1个一类)

y 语气词(delete yg)

拟声词(1个一类)

o 拟声词

前缀(1个一类)

h 前缀

后缀(1个一类)

k 后缀

字符串(1个一类，2个二类)

x 字符串

xx 非语素字

xu 网址URL

标点符号(1个一类，16个二类)

w 标点符号

wkz 左括号，全角：（〔［｛《【〖〈半角：( [ { <

wky 右括号，全角：）〕］｝》】〗〉半角：) ] { >

wyz 左引号，全角：“‘『

wyy 右引号，全角：”’』

wj 句号，全角：。

ww 问号，全角：？半角：?

wt 叹号，全角：！半角：!

wd 逗号，全角：，半角：,

wf 分号，全角：；半角：;

wn 顿号，全角：、

wm 冒号，全角：：半角：:

ws 省略号，全角：………

wp 破折号，全角：——－－——－半角：--- ---- wb 百分号千分号，全角：％‟半角：%

wh 单位符号，全角：￥＄￡°℃半角：$