于光磊 徐毅 馬明達(dá) 俞珍珍 米克然阿依·艾爾肯

【摘 要】命名實(shí)體（Named Entity， NE）是指文本中承載著人名、地名、組織機(jī)構(gòu)名等重要信息的詞語。命名實(shí)體識別（Named Entity Recognition， NER）是指在正確理解文本意義的基礎(chǔ)上，對文本中的命名實(shí)體進(jìn)行識別，并按照其類型進(jìn)行歸類。本次主要是基于對維吾爾語中的人名、地名進(jìn)行研究，通過此次的研究，能夠使更多的人了解到維吾爾語，同時(shí)對了解維吾爾族人民的文化也起到積極的作用。維吾爾族語言中的人名、地名等都有相關(guān)的特征詞，通過特征詞能夠迅速而有效的找出文本中的人名、地名等信息，所以此次研究的方法主要依據(jù)基于規(guī)則的方法。

【關(guān)鍵詞】命名實(shí)體 命名實(shí)體識別 特征詞

1 引言

從研究范圍方面來說，早期的命名實(shí)體識別研究主要集中在西方國家，以研究英文為主。1995年后學(xué)者開始了對中文、德文、日文等語言的研究。中國在中文命名實(shí)體識別研究上取得了較好成績，并且展開了對少數(shù)民族語言如維語、蒙語等語言的命名實(shí)體的研究。

本次的研究目的在于通過該軟件對我國少數(shù)名族中的維語能夠起到一個(gè)推動的作用，使更多的人能夠了解維語，同時(shí)在閱讀維語文章中能夠快速找到該文章的人名，地名，組織機(jī)構(gòu)等重要信息，對閱讀者起到一個(gè)非常重要的幫助。

2系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

2.1系統(tǒng)設(shè)計(jì)功能及實(shí)現(xiàn)原理

命名實(shí)體識別過程中，通過信息檢索，在一篇文章中能夠快速找到有用的信息。此次研究，主要針對數(shù)字，人名，地名等信息，由此，該系統(tǒng)的設(shè)計(jì)功能主要分為以下七大模塊：

（1）分詞功能：通過分詞功能，把讀取的文本數(shù)據(jù)進(jìn)行分詞，方便取詞和查找人名地名時(shí)進(jìn)行詞與詞之間的比對。

（2）數(shù)字識別：通過程序的控制，對數(shù)字進(jìn)行直接的判斷，從而找出文本信息中出現(xiàn)的數(shù)字以及數(shù)字出現(xiàn)的位置；

（3）人名識別：在維語命名中，人們習(xí)慣把名字命名為具有一定寓意的詞語。因此，在人名中，我們提前建立一個(gè)人名數(shù)據(jù)詞庫，通過查找那些具有一定寓意的詞語，把它們總結(jié)起來進(jìn)行錄入，然后通過分詞功能把文章中的每個(gè)詞語進(jìn)行讀取和比對，再加上句子的語法構(gòu)成結(jié)構(gòu)，從而判斷該詞是否屬于人名，如果文章中出現(xiàn)過的人名不在數(shù)據(jù)庫中，那么我們需要手動錄入該詞，使該詞保存到數(shù)據(jù)庫中，以便在下次使用中出現(xiàn)該詞語時(shí)會自動識別為人名。

（4）地名識別：地名識別的方法類似于人名的識別方法，不同的是，地名的詞語組成種類比較多，可分為以下四種：①單個(gè)詞語組成地名；②由地名首詞語+規(guī)則詞共同組成地名；③由地名首詞語+中間詞+規(guī)則詞共同組成地名；④多個(gè)連續(xù)地名組成一個(gè)特定地名；

通過程序的判斷，得出該詞屬于哪一種地名構(gòu)成的結(jié)構(gòu)，從而得出一個(gè)較為完整和準(zhǔn)確的地名。

（5）詞語添加：在使用的期間，用戶會發(fā)現(xiàn)有的人名或是地名在數(shù)據(jù)庫中沒有存在，那么為了下次使用時(shí)能夠判斷該詞屬于人名或是地名，我們需要手動的進(jìn)行錄入，因此該軟件系統(tǒng)具有添加信息的功能。

（6）文本讀?。涸谌绱硕嗟奈谋靖袷街?，需要對多種文本格式的支持，例如.txt，.doc等；

（7）編輯功能：編輯為文本提供常見的文本編輯功能，例如字號、顏色的設(shè)置、查找、選擇、導(dǎo)入/導(dǎo)出等功能。

2.2系統(tǒng)技術(shù)支持

后臺技術(shù)：通過Java語言的控制與判斷，實(shí)現(xiàn)對文本的讀取，同時(shí)找出文本中的所要的信息，包括數(shù)字、人名、地名等。

前臺技術(shù)：通過Java中的Swing組件與AWT組件，完成對前臺可視化的編輯，從而有一個(gè)更好的用戶體驗(yàn)。

數(shù)據(jù)庫技術(shù)：MySql數(shù)據(jù)庫是一個(gè)小型的，用戶數(shù)量最多、最廣的數(shù)據(jù)庫，因此，此系統(tǒng)通過MySql數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存儲，同時(shí)還能夠方便、快捷的對數(shù)據(jù)進(jìn)行操作。

3系統(tǒng)識別結(jié)果與分析

對系統(tǒng)的識別性能評估，我們用：準(zhǔn)確率（P），召回率（R），綜合指標(biāo)（F）值3個(gè)評測指標(biāo)，其識別結(jié)果如表1，表2所示。

通過數(shù)據(jù)可以看出，我們這次完成的軟件系統(tǒng)對維語識別的正確率是很高的，但是還有好多的沒有識別出來，原因是數(shù)據(jù)庫中所存儲的人名、地名有限，我們不能完完整整的把所有數(shù)據(jù)都保存在數(shù)據(jù)庫中，只能通過后期的不斷應(yīng)用，不斷的添加數(shù)據(jù)，完善自己的數(shù)據(jù)。對于這些問題，我們今后會對其改進(jìn)，使正確率更高，更能有效地幫助人們在閱讀維語文章中找到有用的信息。

4 結(jié)語

通過此次實(shí)驗(yàn)研究，我們不但完成了軟件系統(tǒng)的功能實(shí)現(xiàn)，還對維吾爾語的語言特點(diǎn)以及人名、地名構(gòu)成規(guī)則進(jìn)行了深入研究，總結(jié)出維語人名、地名中的規(guī)則。與此同時(shí)，我們還建立了維語人名詞典庫和地名詞典庫，通過詞典庫中的信息，能夠在使用軟件時(shí)，快速而有效地找出文本中存在的人名、地名。

參考文獻(xiàn)：

[1] 劉群.機(jī)器翻譯研究新進(jìn)展[J].當(dāng)代語言學(xué)，2009，02：147-158+190.

[2] 鄧尚民，孫玉偉.信息抽取系統(tǒng)的研究現(xiàn)狀[J].現(xiàn)代圖書情報(bào)術(shù)，2006

[3] 張小衡，王玲玲.中文機(jī)構(gòu)名稱的識別與分析[J].中文信息學(xué)報(bào)，1997

[4] Dimitra Farmakiotou， Vangelis Karkaletsis， et al. Rule-based named entity recognition for Greek financial texts[C]//Proc. of the Workshop on Computational lexicography and Multimedia Dictionaries （COMLEX 2000）. 2000： 75-78.