基于條件隨機(jī)場(chǎng)的音樂(lè)領(lǐng)域命名實(shí)體識(shí)別.pdf

1、由于音樂(lè)數(shù)量的大量增長(zhǎng),人們迫切需要實(shí)現(xiàn)對(duì)音樂(lè)文本信息的自動(dòng)化抽取、識(shí)別和分類(lèi),信息提取首要的關(guān)鍵任務(wù)就是命名實(shí)體識(shí)別(Name Entity Recognize,NER)。命名實(shí)體識(shí)別在應(yīng)用自然語(yǔ)言處理的實(shí)踐中有重要的作用,是信息提取等各種自然語(yǔ)言處理方式的重要基礎(chǔ)工具。因此音樂(lè)領(lǐng)域的NER也是一件非常重要且有意義的研究項(xiàng)目。
　　本文是基于條件隨機(jī)場(chǎng)(Conditional Random Fields,CRF)音樂(lè)領(lǐng)域的命名實(shí)

2、體識(shí)別,其中,本文所需要識(shí)別的命名實(shí)體類(lèi)型主要有4種:歌手名、組合名、音樂(lè)名、專(zhuān)輯名。條件隨機(jī)場(chǎng)的一個(gè)最大的優(yōu)勢(shì)是,在處理輸入的各種隨機(jī)的、非獨(dú)立的特征時(shí),具有很大的靈活性,且很好的解決了標(biāo)記偏置問(wèn)題,所以本文采用條件隨機(jī)場(chǎng)模型CRF進(jìn)行在音樂(lè)領(lǐng)域的命名實(shí)體識(shí)別系統(tǒng)。
　　而命名實(shí)體識(shí)別的首要任務(wù)就是語(yǔ)料的獲取,本文所建立的語(yǔ)料庫(kù)內(nèi)容主要是采用網(wǎng)頁(yè)挖掘的方法從搜狐音樂(lè)、新浪音樂(lè)等音樂(lè)門(mén)戶(hù)網(wǎng)站上獲取的,經(jīng)過(guò)對(duì)語(yǔ)料進(jìn)行凈化、分句、標(biāo)注

3、、劃分類(lèi)別、預(yù)處理等步驟完成語(yǔ)料的獲取工作,其中由于音樂(lè)領(lǐng)域還沒(méi)有已經(jīng)整理好的語(yǔ)料庫(kù),所以本文的標(biāo)注工作的尤為繁瑣,在命名實(shí)體識(shí)別的數(shù)據(jù)準(zhǔn)備過(guò)程中,還收集了各種音樂(lè)領(lǐng)域的詞典,用來(lái)進(jìn)行特征文件的預(yù)處理中添加屬性列和進(jìn)行詞典特征匹配。
　　和其他領(lǐng)域的命名實(shí)體識(shí)別相類(lèi)似,音樂(lè)領(lǐng)域的命名實(shí)體識(shí)別中特征函數(shù)的選擇及特征模板的建立對(duì)識(shí)別的結(jié)果的影響很大,也是命名實(shí)體識(shí)別中的難點(diǎn)。本文中分別提取了對(duì)應(yīng)歌手名、組合名、專(zhuān)輯名、歌曲名的基本特征