隐马尔可夫模型的优化及其用于多文本实体识别

作者:沈同平; 金力; 黄方亮; 许欢庆
更新时间:

针对传统HMM模型难以获取上下文信息和无法处理的问题,提出了一种优化的HMM模型。优化后的模型充分考虑了上下文的语义联系和依赖,采用Bi-gram指数线性插值算法,消除了零概率事件,处理了未登录词事件。采用改进的Viterbi算法算法求解最可能状态序列并输出结果,提高了模型的识别效果。实验结果表明,优化后的HMM模型的实体识别效果优于传统的HMM模型,CCKS2017电子病历数据集的准确率和F1值分别达到91.61%和91.21%,简历数据集的准确率和F1值分别达到91.29%和91.07%,分别提高了8.67%和6.88%。