罗 芳，熊前兴，肖 敏

(武汉理工大学计算机科学与技术学院，湖北 武汉 430063)

自然语言处理中，命名实体识别(named entity recognition，NER)是一项最基础的工作，它已经被广泛应用在许多领域，如信息抽取、机器翻译及自动问答系统等。命名实体是文本的基本信息单元，是理解文本的基础。从狭义来理解，命名实体就是现实世界中有关人名、地名、机构名，以及所有可以用专有名称标识的实体;广义上讲，命名实体除了包括上述实体外还包括百分数、日期、时间和货币等。市场信息化、商务电子化的快速发展给商务信息智能处理提供了广阔的应用空间，对于商务领域信息获取任务来说，仅仅对常规命名实体的识别不能有效地获取有关产品的关键信息，因此研究产品命名实体识别势在必行[1-2]。

目前常用的命名实体识别方法有统计模型的方法、基于规则的方法，以及两种方法的融合。对于产品命名实体识别来说，仅仅依靠常规的命名实体识别技术不能有效准确地识别与产品相关的信息。领域本体包含专业领域的相关知识，描述这一领域内的对象、概念和实体，以及它们之间的关系，在产品命名实体识别阶段，通过形式化地定义特定领域的知识，从而支持不同粒度的产品语义信息描述，这些语义信息能对产品命名实体的识别起到非常重要的作用，并且领域本体能够用于产品术语的整合和产品命名实体的有效判定[3-4]。在研究产品命名实体识别任务的基础上，考虑到领域本体对产品命名实体识别的支持，提出了融合词性特征、上下文特征，以及本体特征的多特征统计模型进行产品命名实体的识别。……