摘要
目前,时间信息识别在信息抽取、问答系统、摘要生成、话题跟踪和检测等领域中有着广泛应用,同时也是自然语言处理的重要研究任务之一。针对TempEval-2会议评测任务中的时间表达式识别和类型识别任务:1)句内时间表达式识别,2)时间表达式类型识别,分别提出了基于词性构建时间单元规则库的识别方法以及基于最大熵的类型识别方法。实验对象为中文,结果显示时间表达式识别的准确率为85.16%,时间表达式类型识别的准确率为93.02%。
目前,时间信息识别在信息抽取、问答系统、摘要生成、话题跟踪和检测等领域中有着广泛应用,同时也是自然语言处理的重要研究任务之一。针对TempEval-2会议评测任务中的时间表达式识别和类型识别任务:1)句内时间表达式识别,2)时间表达式类型识别,分别提出了基于词性构建时间单元规则库的识别方法以及基于最大熵的类型识别方法。实验对象为中文,结果显示时间表达式识别的准确率为85.16%,时间表达式类型识别的准确率为93.02%。
出处
《计算机科学》
CSCD
北大核心
2012年第S3期191-194,211,共5页
Computer Science
基金
国家自然科学基金(61100138
61005053)
山西省高校科技开发项目(20091001)
山西省自然科学基金(2011011016-2)
山西省青年科技基金(2012021012-1)资助
关键词
时间表达式
规则
时间表达式类型
最大熵
自然语言处理
Temporal expression
Rule
Time expression type
Maximum entropy model
Natural language processing
