命名实体识别是现在自然语言处理研究的热点[1][2][3][4]。命名实体识别就是在文本中识别出日期、时间、数字、人名、地名、组织机构名和其他实体[8]。命名实体是信息抽取的一个子任务,广泛地被运用到其他计算语言学任务中,比如机器翻译等。 在这篇论文中,我们把机器学习方法用于中文命名实体识别,这里我们使用了最大熵和Boosting两种机器学习的方法。与基于规则的命名实体识别方法相比,基于机器学习方法的命名实体识别系统构造简单,并具有良好的适应性。首先,我们只使用基本的特征建立一个基于字的模型和一个基于词的模型,比较了在这两种策略下的命名实体识别的效果。为了充分利用两种模型的优点,我们把分词信息解构到基于字的模型中,并且在这个模型中使用了一些复杂的语言学特征,实验结果表明,这个模型取得了很好的效果。以此同时,在同样的实验条件下,我们比较了两种方法在命名实体任务上的效果。实验表明,在同等条件下,最大熵的识别效果高于Boosting。 我们使用有限自动机的方法识别时间、日期和、数字实体。因此在机器学习的识别框架中,集中处理人名、地名、组织机构名三种类型的命名实体,减少机器学习算法的复杂度。最后利用文本的全局信息识别命名实体,以提高命名实体识别系统的性能。