马建红， 王立芹， 姚 爽

(河北工业大学 计算机科学与软件学院 天津 300401)

0 引言

命名实体识别作为自然语言处理领域的一个重要研究方向[1]，其在传统领域的研究较为成熟，F1值可达到90%以上[2].相比传统领域，专业领域命名实体的产生往往以该领域知识为依据，兼顾其语言规律特性，使得识别难度大大增加.本文选择对化学资源文本的命名实体进行研究，提出一种面向化学资源文本的命名实体识别方法.化学资源文本，是指包含化学资源的自由文本.化学资源命名实体包括化学物质、属性、参数和量值.其中属性是化学物质之间进行区分的必然性质.参数是属性在某个时空状态下的显性度量,例如：可燃性是化学物质的属性，而自燃点是可燃性的一个参数，自燃点会随着外界条件(大气压等)的变化而变化，而可燃性却是客观存在的.化学资源文本中命名实体识别主要存在以下难点:

1) 化学资源文本和化学资源命名实体数量庞大且表达方式复杂多样，命名实体结构没有严格的构词规律可循，例如化学物质由单个字的物质(溴、银等)到由字和相关符号组成的有机物(邻苯二甲酸二(2-乙基己)酯)等.量值包含了更多的符号(g/cm3、℃等)，并且有的量值字数较多(1 g该品可溶于约5.5 mL水(约18%，25 ℃)、83 mL醇).

2) 化学资源文本在描述化学物质时往往将属性与参数混为一谈，使得二者在句中所处的语法位置相同，区分造成困难.

很多学者对化学资源领域的命名实体识别均有……