刘小安，彭 涛

1.北京联合大学 智慧城市学院，北京100101

2.北京联合大学 机器人学院，北京100101

1 引言

命名实体识别（Named Entity Recognition，NER）是自然语言处理（Natural Language Processing，NLP）的一项基础任务，它的重要作用是从文本中准确识别出人名、地名、机构名、时间、货币等信息[1]。命名实体识别是很多语义理解应用的基础，可以为上层应用提供实用、有效的文本信息。在问答系统中，常常会遇到需要回答某个人名、地点、机构以及其他实体的事实型问题，常规分词结果并不能满足需要，因此将命名实体识别技术应用其中将对问题文本做出更准确的理解[2-4]。在自动文摘任务中，文本中的命名实体通常包含重要的信息内容，因此对文本进行命名实体识别，进一步筛选出重要实体形成文本摘要将获得更好效果[5-6]。

现有研究主要集中于通用领域人名、地点、机构名的实体识别，已经取得了较好的效果[7-10]。在旅游领域，旅游景点是旅游过程中的重要组成部分，对于旅游景点的识别也很重要，它直接影响旅游领域问答系统的答案获取和旅游文本中的信息抽取。目前对于中文旅游景点命名实体识别的研究主要采用基于统计机器学习的方法。郭剑毅等人[11]提出一种基于层级条件随机场的方法，该方法相对于隐含马尔可夫模型（Hidden Markov Model，HMM）F1值提高了15个百分点。但是该方法主要依赖于特征模板，而特征模板的构建是一个非常费力的过程。此外引入了较多的外部信息（如指界词），这些外部词典数量巨大，难以全部收录，当词典中的指界词成为景点实体的一部分时，将导致识别错误。……