TY - Jour A2 - García-díaz，维森特·奥兹，韩奥 - 王，宏宇·奥 - 金，Dawei Py - 2018DA - 2018/12/18 TI - 基于主动学习SP的低成本命名实体识别研究- 1890683 VL - 2018年AB - 命名实体识别（NER）是许多自然语言处理技术的不可或缺的和非常重要的一部分，例如信息提取，信息检索和智能Q＆A.本文介绍了AL-的发展CRF模型，这是基于主动学习（AL）的新方法。由AL-CRF模型执行的进程的算法序列如下：首先，使用该样本使用 K.- eans方法。然后，对所产生的群集执行分层采样，以获得初始样本，用于训练基本条件随机场（CRF）分类器。下一步包括启动使用熵的标准的选择过程。更具体地，将具有最高熵值的样本添加到训练集中。然后，重复学习过程，并且基于所获得的训练集再培训CRF分类器。学习和Al的选择过程迭代地运行，直到谐波平均f稳定并且获得最终的NER模型。在立法和医疗案例上进行几个实验，以验证AL-CRF性能。测试数据包括中国司法文件和中国电子医疗记录（EMRS）。测试表明，与传统CRF模型相比，我们所提出的算法具有更好的识别精度和召回速率。此外，我们的方法的主要优点是它需要较少的手动标记的训练样本，同时，它更有效。 This can result in a more cost effective and more reliable process. SN - 1058-9244 UR - https://doi.org/10.1155/2018/1890683 DO - 10.1155/2018/1890683 JF - Scientific Programming PB - Hindawi KW - ER -