基于混合策略的植物生长发育时期识别研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1. 研究意义 命名实体识别技术是信息抽取、信息检索、机器翻译、问答系统等多种自然语言处理技术必不可少的组成部分。

从语言分析的全过程来看，命名实体识别属于词法分析中未登录词识别的范畴。

命名实体是未登录词中数量最多、识别难度最大、对分词效果影响最大的问题。

2. 研究的基本内容和问题

1）研究目标 自然语言处理并不完全是一个随机过程，单独使用基于统计的方法使状态搜索空问非常庞大，必须借助规则知识提前进行过滤修剪处理。

如植物本体（专有），生长时期（固定语序格式）以及其他（带介词短语，语序格式可不同）。

针对具有不同特征的实体，需要采用不同方法、特征模板抽取，以提高识别准确率。

3. 研究的方法与方案

1）研究方法 a．基于规则方法a）利用已有的语义工具进行抽取，例如植物本体po；b）建立正则表达式。

构造命名实体规则，分为外部规则和内部规则。

外部规则主要包括结合生长发育相关实体特点以及上下文语境。

4. 研究创新点

目前实体识别的研究主要集中在命名实体的识别, 命名实体识别研究主要包括人名识别、地名识别、机构名识别、时间和数值表达式识别等。

在国内，有关动植物实体识别的研究还相对比较少，而有关动植物的实体识别研究具有延伸拓展的空间。

所以本项目基于混合模式，选取植物生长发育时期这一方面进行研究。

5. 研究计划与进展

2014/2~2014/3：收集用于训练语料的英文文献，完成部分基于规则的实体抽取；2014/3~2014/4：综合收集的语料，建立小型训练语料库以备实验；2014/4~2014/5：进行生长发育时期实体特征定义和特征模板选取；并按照需求修改开源Java软件，配置CRF工具包；