王祖兴，吕 钊，顾君忠

华东师范大学 计算机科学技术系，上海 200241

基于混合方法的中文人名识别研究

王祖兴，吕 钊，顾君忠

华东师范大学 计算机科学技术系，上海 200241

当前中文人名识别的研究主要针对中国人名，而对日本人名及音译人名的专门研究相对较少，识别效果也亟待提高。提出利用CRRM方法进行中、日及音译人名同步识别。该方法基于CRF（Conditional Random Fields）并结合了上下文规则及人名可信度模型。此外，利用局部统计算法对边界识别错误的人名进行修正，并利用扩散操作召回未被识别的人名。实验结果表明，中、日、音译人名识别的F值均高于90%，提出的方法可以取得较好的识别效果。

中文人名识别；条件随机域（CRF）模型；人名可信度模型；上下文规则；边缘概率

1 引言

中文人名主要包括中国人名、日本人名、外国音译人名等。在分词领域，中文人名是出现频率比较高的未登录词，据统计中文姓名在待处理文本中一般只占1%～2%，但人名的切分错误却高达50%以上，而对所有分词错误进行统计，姓名错误占了近90%。可见解决中文人名识别问题是提高中文自动分词精度的先决条件。此外，作为命名实体识别的重要组成部分，中文人名识别在众多自然语言处理领域均发挥着重要作用，如人名消歧[1]、信息抽取[2]、机器翻译[3]、文本分类[4]等。中文人名识别效果的准确性，直接影响了这些自然语言处理应用的效果。

当前人名识别的方法可以分为基于规则[5-6]的方法，基于统计的方法[7-8]以及规则和统计相结合的方法[9-10]。……