采用递增式学习策略优化条件随机域(conditional random fields,CRF)的特征模板以提高中文地名的识别效果,结合语言学相关知识构建规则库,以弥补机器学习模型获取知识不够全面导致召回率偏低的不足,最终实现了CRF与规则相结合的中文地...采用递增式学习策略优化条件随机域(conditional random fields,CRF)的特征模板以提高中文地名的识别效果,结合语言学相关知识构建规则库,以弥补机器学习模型获取知识不够全面导致召回率偏低的不足,最终实现了CRF与规则相结合的中文地名识别系统.实验结果表明,采用CRF与规则相结合的方法识别中文文本中的地名是有效的,对Bakeoff2007NER任务的MSRA语料进行开放测试,召回率、精确率和F值分别为94.67%、92.35%和93.50%.展开更多
Google Earth提供的免费遥感影像是一项重要的基础数据,能够方便、迅速确定对应经纬度处中文地名。将原始遥感数据和google earth同位置图像进行叠加计算,通过同步对照,在LandSate等卫星影像上标注出汶川地震主要涉及到的一些城市名称,...Google Earth提供的免费遥感影像是一项重要的基础数据,能够方便、迅速确定对应经纬度处中文地名。将原始遥感数据和google earth同位置图像进行叠加计算,通过同步对照,在LandSate等卫星影像上标注出汶川地震主要涉及到的一些城市名称,该工作将为遥感影像后续断层、断裂带识别解译奠定良好的基础,并解决了传统人工标注工作量大、效率低等缺点。实验结果表明原始遥感影像中文地名标注效果良好。展开更多
文摘采用递增式学习策略优化条件随机域(conditional random fields,CRF)的特征模板以提高中文地名的识别效果,结合语言学相关知识构建规则库,以弥补机器学习模型获取知识不够全面导致召回率偏低的不足,最终实现了CRF与规则相结合的中文地名识别系统.实验结果表明,采用CRF与规则相结合的方法识别中文文本中的地名是有效的,对Bakeoff2007NER任务的MSRA语料进行开放测试,召回率、精确率和F值分别为94.67%、92.35%和93.50%.