基于語(yǔ)料庫(kù)的蒙古人名知識(shí)庫(kù)建設(shè)與實(shí)踐

●通拉嘎，劉　凱，李佳正（.泉州師范學(xué)院　圖書(shū)館，福建　泉州　6000；.中國(guó)科學(xué)院計(jì)算技術(shù)研究所，北京　0090；.中國(guó)移動(dòng)北京分公司，北京　00007）

基于語(yǔ)料庫(kù)的蒙古人名知識(shí)庫(kù)建設(shè)與實(shí)踐

●通拉嘎1，劉凱2，李佳正3
（1.泉州師范學(xué)院圖書(shū)館，福建泉州362000；2.中國(guó)科學(xué)院計(jì)算技術(shù)研究所，北京100190；3.中國(guó)移動(dòng)北京分公司，北京100007）

［關(guān)鍵詞］語(yǔ)料庫(kù)；人名；蒙古人名；最大熵；特征選擇；實(shí)驗(yàn)

［摘要］為提取較為完備的蒙古人名特征，以?xún)?nèi)蒙古大學(xué)語(yǔ)料庫(kù)及網(wǎng)頁(yè)人名句為基礎(chǔ)，采用量化分析的方法，建立普通人名知識(shí)庫(kù)及兼類(lèi)人名知識(shí)庫(kù)，將知識(shí)庫(kù)歸并為14個(gè)特征，進(jìn)行特征選擇實(shí)驗(yàn)，在直接保留“漢語(yǔ)姓氏映射表”及“漢語(yǔ)人名映射表”等特征集后，鑒于對(duì)正確率和召回率的貢獻(xiàn)，去除了地名詞典、地名后綴詞典、機(jī)構(gòu)名后綴詞典等3個(gè)特征集，保留了9個(gè)作為最大熵模型的特征集，從實(shí)驗(yàn)結(jié)果看，予以保留的特征影響并不相同。

1　引言

命名實(shí)體往往包含了文章的主要內(nèi)容，是正確理解文本的基礎(chǔ)。人名等命名實(shí)體在文本中有很高的使用頻率，是開(kāi)放的集合，無(wú)法窮舉，在未登錄詞中占有相當(dāng)大的比例，鄭家恒［1］統(tǒng)計(jì)出人名在未登錄詞中的比例是30.24%。人名等命名實(shí)體的識(shí)別（NER）是信息抽取的子任務(wù)，是自然語(yǔ)言處理的基礎(chǔ)工作，是詞法分析與標(biāo)注的重點(diǎn)及難點(diǎn)之一。要取得更高的正確率，必須解決人名等命名實(shí)體的識(shí)別問(wèn)題。人名可以分為普通人名及兼類(lèi)人名，人名識(shí)別的主要難點(diǎn)是兼類(lèi)人名的識(shí)別，因?yàn)槊麑?shí)體之間、人名和普通詞之間存在大量的歧義和沖突。為實(shí)現(xiàn)蒙古文人名識(shí)別，本文建立了人名知識(shí)庫(kù)，并對(duì)知識(shí)庫(kù)進(jìn)行特征選擇實(shí)驗(yàn)，以期尋找出更有利于統(tǒng)計(jì)模型的知識(shí)。

最大熵模型（ME）是一個(gè)通用的機(jī)器學(xué)習(xí)框架，最早由E.T.Jaynes于1957年提出，在自然語(yǔ)言處理方面的應(yīng)用非常廣泛，已經(jīng)成功應(yīng)用于不同的研究領(lǐng)域，如詞法分析、組塊分析、短語(yǔ)識(shí)別、詞義消歧、指代消解、文本分類(lèi)、句子的邊界檢測(cè)等，并且表現(xiàn)良好。最大熵的兩個(gè)基本任務(wù)是特征選擇和參數(shù)估計(jì)。特征選擇，就是選能表達(dá)這個(gè)隨機(jī)過(guò)程的特征集合，使系統(tǒng)的特定指標(biāo)最優(yōu)化。特征空間很大，并不是每一個(gè)特征都是可靠的，所以選擇特征就是很關(guān)鍵的問(wèn)題，對(duì)模型的訓(xùn)練和使用都十分重要，最大熵通過(guò)特征選擇可以減少計(jì)算量，降低噪聲，對(duì)識(shí)別的正確率及解碼的效率都有很大影響。

為提取較為完備的蒙古文人名特征，本文以蒙古文語(yǔ)料庫(kù)為基礎(chǔ)，建立了普通人名知識(shí)庫(kù)及兼類(lèi)人名知識(shí)庫(kù)，并以最大熵的統(tǒng)計(jì)模型，對(duì)人名知識(shí)庫(kù)中的各類(lèi)特征進(jìn)行選擇實(shí)驗(yàn)，從中提取了更為有效的人名特征，為進(jìn)一步的人名識(shí)別工作做好準(zhǔn)備。

2　語(yǔ)料庫(kù)的應(yīng)用

語(yǔ)料庫(kù)是統(tǒng)計(jì)建模的知識(shí)來(lái)源，是蒙古文人名識(shí)別的基礎(chǔ)與前提，用以提取人名前后詞、規(guī)則及訓(xùn)練最大熵模型。

2.1內(nèi)蒙古大學(xué)詞法標(biāo)注語(yǔ)料庫(kù)

26萬(wàn)詞規(guī)模詞法標(biāo)注語(yǔ)料庫(kù)是內(nèi)蒙古大學(xué)蒙學(xué)院詞法標(biāo)注語(yǔ)料庫(kù)的局部，一詞一行，切分與標(biāo)注出詞干及附加成分，格式為蒙古文拉丁形式。語(yǔ)料來(lái)源是中小學(xué)蒙古語(yǔ)課本共12冊(cè)，《內(nèi)蒙古日?qǐng)?bào)》1988年7月1~3日，《實(shí)踐》月刊1988年1~3期，含264000

詞（包含標(biāo)點(diǎn)符號(hào)）。［2］有3522個(gè)人名句可以提取人名的前后詞規(guī)則，但由于標(biāo)注格式問(wèn)題，提取到的是2570個(gè)人名句。

2.2網(wǎng)頁(yè)蒙古人名句

自建的5千人名句用作最大熵模型訓(xùn)練，共5773句。人名句從蒙科立編碼的中國(guó)蒙古語(yǔ)新聞網(wǎng)、人民網(wǎng)（蒙古文版）、蒙古文化網(wǎng)等9個(gè)網(wǎng)站人工抓取。網(wǎng)站選取原則為統(tǒng)一的蒙科立編碼，句子選取原則為人名句，盡量為兼類(lèi)人名句。從上述網(wǎng)站上抓取人名句，以蒙科立轉(zhuǎn)拉丁的編碼轉(zhuǎn)換工具轉(zhuǎn)換為內(nèi)蒙古大學(xué)拉丁格式，并著重對(duì)人名及前后兩詞進(jìn)行校對(duì)。

2.3測(cè)試集的選取

訓(xùn)練及測(cè)試所用的句子共為8343句，共11583個(gè)人名。封閉測(cè)試集是訓(xùn)練集的子集，開(kāi)放測(cè)試集與訓(xùn)練集不存在包含與被包含關(guān)系。使用的訓(xùn)練集、測(cè)試集的各項(xiàng)數(shù)據(jù)如表1。

表1　訓(xùn)練集、測(cè)試集數(shù)據(jù)統(tǒng)計(jì)表

3　人名知識(shí)庫(kù)的建立

3.1普通人名知識(shí)庫(kù)的構(gòu)建

蒙古文語(yǔ)料庫(kù)規(guī)模偏小，形態(tài)變化眾多，建設(shè)相關(guān)的知識(shí)庫(kù)，以此提取人名識(shí)別的各類(lèi)特征，保證識(shí)別的指導(dǎo)性。相對(duì)于中文人名識(shí)別中較為常見(jiàn)的姓氏、名字用字概率信息的使用，蒙古文人名識(shí)別更加側(cè)重運(yùn)用形態(tài)特征及上下文信息。因此，構(gòu)建的普通人名知識(shí)庫(kù)包括以下10個(gè)知識(shí)庫(kù)：姓氏辭典（漢語(yǔ)姓氏、蒙古姓氏），漢語(yǔ)姓氏拉丁映射表，梵、藏、滿人名詞典，地名詞典，人名指示詞庫(kù)（左邊界詞典、右邊界詞典、有距離邊界詞典），機(jī)構(gòu)名后綴詞典，蒙古族普通人名詞典，漢語(yǔ)名拉丁映射表，著名人物詞典，地名后綴詞典。

（1）姓氏詞典。中文文本中的姓氏根據(jù)是否可以獨(dú)立成詞，分為絕對(duì)封閉的姓氏、相對(duì)封閉的姓氏、開(kāi)放姓氏等。［3］蒙古文本中的姓氏很多是絕對(duì)封閉姓氏，與其他詞無(wú)法構(gòu)詞，也不易獨(dú)立成詞，所以，蒙古文本中姓氏是識(shí)別人名的重要知識(shí)來(lái)源，收集的姓氏包括漢語(yǔ)姓氏及蒙古姓氏。①蒙古姓氏詞典。以曹納木的《蒙古族姓氏集》［4］列舉的蒙古族姓氏1133個(gè)為基礎(chǔ)，輔之拉丁轉(zhuǎn)寫(xiě)，建立了蒙古族蒙古姓氏詞典，如“ANGCIN安、ABAHANAR安”等。②漢語(yǔ)姓氏詞典。蒙古族漢語(yǔ)姓氏庫(kù)的建立以曹納木的《蒙古族姓氏集》為數(shù)據(jù)基礎(chǔ)，漢語(yǔ)姓氏共419個(gè)，除去重復(fù)姓氏9個(gè)，共包含蒙古族漢語(yǔ)姓氏410個(gè)，輔之拉丁轉(zhuǎn)寫(xiě)，如“B0V包薄寶保鮑暴爆”、BI鼻畢、DONG東冬董棟”。漢語(yǔ)姓氏詞典的建立以《姓氏人名用字分析統(tǒng)計(jì)》［5］為依據(jù)，共有734個(gè)姓氏，按拉丁轉(zhuǎn)寫(xiě)順序重新排序錄入，如“SI郗奚席溪司思郗習(xí)洗喜”等。不過(guò)漢語(yǔ)姓氏在語(yǔ)料庫(kù)中與其他詞發(fā)生兼類(lèi)的現(xiàn)象較難排除，所以，在實(shí)際實(shí)驗(yàn)中，僅選取了蒙古姓氏詞典為特征。

（2）人名詞典。人名詞典對(duì)有效識(shí)別人名很有意義，有助于提高系統(tǒng)的執(zhí)行速度及效率，建立人名詞典是必要的。不過(guò)蒙古文網(wǎng)站有很多不同的編碼格式，無(wú)法直接像漢語(yǔ)人名一樣從浩瀚網(wǎng)絡(luò)抓取，因而本文的人名詞典建立只能以學(xué)生名為主，輔之語(yǔ)料庫(kù)人名及某刊物作者名的搜集；蒙古國(guó)人名與中國(guó)蒙古族人名相比也有其不同分布特點(diǎn)，因而也收集了一定的蒙古國(guó)人名，這些人名被整理歸入“普通人名詞典”。

14世紀(jì)至17世紀(jì)，蒙古族十分盛行以梵、藏、滿文字為人名，這些正逐漸退出蒙古族人名歷史舞臺(tái)的名字，可用列舉的方法予以識(shí)別，本文建立了有“YVNDVN（云敦）、SURUNG（蘇榮）”等582個(gè)詞條的“梵、藏、滿人名詞典”。著名人物名在文本中出現(xiàn)頻率較高，文章還建立了包括“TEMUJIN（鐵木真）、SONG=GING=LING（宋慶齡）”等244個(gè)名字的“著名人物詞典”。

（3）漢語(yǔ)姓氏、人名拉丁映射表。漢語(yǔ)名在蒙古文本中占有很高比例，所以，漢語(yǔ)人名知識(shí)庫(kù)的建立也是研究的重點(diǎn)之一。然而，人名是無(wú)法窮舉的命名實(shí)體，研究者在姓氏與人名詞典的基礎(chǔ)上，提煉出漢語(yǔ)姓氏拉丁映射表、漢語(yǔ)名拉丁映射表，以姓氏及人名的搭配爭(zhēng)取識(shí)別更多的漢語(yǔ)人名。

漢語(yǔ)姓氏拉丁映射表即以“漢族漢語(yǔ)姓氏詞典”為基礎(chǔ)，將其轉(zhuǎn)寫(xiě)為蒙古文拉丁形式，如“BU卜補(bǔ)布步佈、LU盧蘆魯陸鹿逯路”等；共有301詞條；漢語(yǔ)人名拉丁映射表即以漢語(yǔ)人名為基礎(chǔ)，將人名歸結(jié)為不同拉丁轉(zhuǎn)寫(xiě)形式。聲調(diào)對(duì)拉丁轉(zhuǎn)寫(xiě)并無(wú)影響，因而，將聲調(diào)不同、拼音相同的漢語(yǔ)人名用詞，如“楊、洋、陽(yáng)、揚(yáng)”都轉(zhuǎn)寫(xiě)為“YANG”，共含記錄190條。

（4）指示詞庫(kù)的建立。指示詞指在人名句中出現(xiàn)頻率較高，與人名有語(yǔ)義或語(yǔ)法聯(lián)系，對(duì)人名的存在與識(shí)別有指示作用的詞。蒙古文人名的指示詞有親屬稱(chēng)謂詞、人體詞、稱(chēng)謂詞、職務(wù)詞、職稱(chēng)詞、特定行

為動(dòng)詞等。文章將指示詞分為左邊界詞、右邊界詞、有距離邊界詞，將其作為最大熵模型的上下文邊界特征。人名左邊界詞分別為稱(chēng)謂詞、親屬稱(chēng)謂詞、職務(wù)詞、職業(yè)詞、部分的形容詞、數(shù)詞；人名右邊界詞分別為稱(chēng)謂詞、親屬稱(chēng)謂詞、人體詞、職務(wù)詞、職業(yè)詞、部分連詞、副詞、形容詞、語(yǔ)氣詞；特定行為動(dòng)詞與人名距離較遠(yuǎn)，被稱(chēng)為有距離邊界詞。具體的數(shù)據(jù)量見(jiàn)表2。

表2　指示詞庫(kù)詞匯量統(tǒng)計(jì)

（5）地名詞典。蒙古族歷來(lái)注重人與自然的和諧共處，崇尚以山川、河流、國(guó)名、城市為人名，喜歡以地名作人名，如“H0RCIN（科爾沁）、ENEDHEG（印度）”都是人名、地名的兼類(lèi)詞。地名對(duì)人名有一定的指示作用，鑒于地名對(duì)人名識(shí)別的重要性，本文建立了“地名詞典”，包括“$ANDUiNG（山東）、ALA$A（阿拉善）”等中外地名詞共558個(gè)。

（6）地名后綴詞典及機(jī)構(gòu)名后綴詞典。地名后綴詞典及機(jī)構(gòu)名后綴詞典有助于識(shí)別地名及機(jī)構(gòu)名，進(jìn)而有利于確定人名的位置。本文建立了包括“YEHE ASAR（大樓）”等130個(gè)詞的“地名后綴詞典”，包括“ARIHIN MVHVLAG（酒館）、0RD0N（殿、宮）”等83個(gè)詞的“機(jī)構(gòu)名后綴詞典”。

3.2兼類(lèi)人名知識(shí)庫(kù)的建立

兼類(lèi)人名指一個(gè)詞兼屬人名及其他詞類(lèi)。如“BOHE”(布赫)，既是人名，也是普通名詞及形容詞。筆者隨機(jī)統(tǒng)計(jì)了中央民族大學(xué)蒙古語(yǔ)言文學(xué)系1953~1997級(jí)，2004~2011級(jí)蒙古族907個(gè)學(xué)生人名。其中，可以充當(dāng)兼類(lèi)人名的詞共有205個(gè)，占人名總數(shù)的22.60%。從上述數(shù)據(jù)可以看出，兼類(lèi)人名在人名當(dāng)中有相當(dāng)高的比例。兼類(lèi)人名不僅出現(xiàn)頻率較高，而且較難識(shí)別，為識(shí)別兼類(lèi)人名，需要建立專(zhuān)門(mén)的兼類(lèi)人名知識(shí)庫(kù)。

以往的兼類(lèi)詞識(shí)別方法較多使用詞語(yǔ)的詞性信息，詞性信息對(duì)兼類(lèi)人名的識(shí)別有重要的輔助作用，但鑒于蒙古文現(xiàn)有的切分與詞性標(biāo)注系統(tǒng)在命名實(shí)體識(shí)別上較為薄弱，如果運(yùn)用詞性信息識(shí)別人名，會(huì)出現(xiàn)將人名詞誤切分或標(biāo)注為更小顆粒的情況，導(dǎo)致歧義或誤差，因而在本研究中未使用兼類(lèi)人名的詞性信息。

兼類(lèi)人名詞典的建立依賴(lài)于內(nèi)蒙古大學(xué)語(yǔ)料庫(kù)、5千網(wǎng)頁(yè)人名句及蒙古人名詞典，從上述數(shù)據(jù)中提取到未重復(fù)兼類(lèi)人名共968個(gè)。蒙古人名中復(fù)合人名占很大比例，因而，只依靠人名詞典而不考慮人名的復(fù)合情況是不完整的。為此還建立了蒙古人名詞干詞典，包含“YEHE（耶和）”等1336個(gè)可以充當(dāng)人名的蒙古人名詞干詞典，用以識(shí)別任何與詞典中的詞復(fù)合產(chǎn)生的蒙古人名。具體應(yīng)用中發(fā)現(xiàn)“兼類(lèi)人名詞典”及“蒙古人名詞干詞典”有大部分的重合，因而，將其合并為“兼類(lèi)人名詞典”。

兼類(lèi)詞搭配詞典指列舉兼類(lèi)人名的固定搭配詞，遇到兼類(lèi)人名，以兼類(lèi)詞搭配詞典進(jìn)行匹配，這對(duì)兼類(lèi)人名詞的判斷起著重要的輔助作用。基于內(nèi)蒙古大學(xué)語(yǔ)料庫(kù)及德·青格樂(lè)圖的《現(xiàn)代蒙古語(yǔ)固定短語(yǔ)語(yǔ)法信息詞典詳解》［6］收集了2383個(gè)兼類(lèi)詞搭配詞，以兼類(lèi)人名為中心，提取前后2位的搭配詞，制作成excel表格，每行為一條兼類(lèi)信息。

4　最大熵特征選擇實(shí)驗(yàn)

4.1實(shí)施方案

最大熵模型的關(guān)鍵在于如何用特定的任務(wù)為模型選取特征集合。特征可以分為基本特征和語(yǔ)言學(xué)特征，語(yǔ)言學(xué)特征包括上下文特征、詞典特征等知識(shí)。

在最大熵模型中使用的特征集=｛地名詞典，蒙古族蒙古姓氏詞典，著名人物詞典，地名后綴詞典，機(jī)構(gòu)名后綴詞典，漢語(yǔ)姓氏映射表，漢語(yǔ)人名映射表，有距離邊界詞典，左邊界詞詞典，右邊界詞詞典，梵藏滿人名詞典，兼類(lèi)人名詞典，蒙古人名詞典，兼類(lèi)搭配詞典｝，共包含14個(gè)特征。雖然最大熵可以不用設(shè)定規(guī)則的優(yōu)先集來(lái)避免規(guī)則的沖突，但是所使用的特征集中哪些特征是有效的，哪些特征有副作用。為驗(yàn)證特征集中各個(gè)特征的效果，設(shè)計(jì)了以下方案。

（1）令特征集=簡(jiǎn)單上下文特征集，在特征集的基礎(chǔ)上訓(xùn)練最大熵模型，然后進(jìn)行測(cè)試。

（2）在原始的簡(jiǎn)單上下文特征集的基礎(chǔ)上，逐次加入某一項(xiàng)新特征，在新特征集的基礎(chǔ)上訓(xùn)練最大熵模型，然后進(jìn)行測(cè)試，參考開(kāi)放測(cè)試的結(jié)果，如果某特征集導(dǎo)致正確率和召回率都下降，說(shuō)明該特征是無(wú)效特征，予以去除；如果正確率和召回率都有一定提升，表明該特征的有效性，則保留該特征，直至每個(gè)特征集都實(shí)驗(yàn)過(guò)。需要指出的是，鑒于漢語(yǔ)人名在語(yǔ)

料庫(kù)中出現(xiàn)較多，形式與蒙古人名又有較大區(qū)別，漢語(yǔ)姓氏映射表與漢語(yǔ)人名拉丁映射表能覆蓋大多數(shù)人名，因此，本文直接選取“漢語(yǔ)姓氏映射表”、“漢語(yǔ)人名映射表”為最大熵的特征，未經(jīng)過(guò)特征選取的步驟。

4.2特征選擇實(shí)驗(yàn)

在制定具體實(shí)施方案后，以最大熵計(jì)算了簡(jiǎn)單上下文特征集的正確率及召回率，以此為基礎(chǔ)，逐步加入各語(yǔ)言學(xué)特征，進(jìn)行特征選擇實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表3所示。

表3　特征選擇實(shí)驗(yàn)

建立地名詞典、地名后綴詞典是因?yàn)槿嗣c地名兼類(lèi)的現(xiàn)象在蒙古文中出現(xiàn)較多，語(yǔ)料庫(kù)中地名對(duì)人名有一定的指稱(chēng)作用，因而，希望以此來(lái)排除與地名的兼類(lèi)現(xiàn)象，但能滿足這些特征的情況還是較少，而且地名及地名后綴與人名的距離有時(shí)過(guò)遠(yuǎn)，運(yùn)用這些特征后不僅正確率和召回率都有一定程度下降，也影響了系統(tǒng)的運(yùn)行速度。因而，經(jīng)過(guò)考慮，本文去除了上述兩個(gè)特征。機(jī)構(gòu)名后綴特征的建立也是因?yàn)闄C(jī)構(gòu)名對(duì)人名有一定的指稱(chēng)作用，機(jī)構(gòu)名后也有出現(xiàn)人名的現(xiàn)象，但在特征選擇中通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，機(jī)構(gòu)名特征的運(yùn)用未能使正確率、召回率有提升，反而有了較為明顯的下降。因而，經(jīng)過(guò)考慮，本文去除了機(jī)構(gòu)名后綴特征。經(jīng)過(guò)上述實(shí)驗(yàn)，去除了機(jī)構(gòu)名后綴詞典、地名后綴詞典、地名詞典等3個(gè)特征，保留了9個(gè)特征集作為最大熵統(tǒng)計(jì)模型的特征集。

從實(shí)驗(yàn)結(jié)果看，各個(gè)保留的特征對(duì)識(shí)別結(jié)果的影響并不相同，具體表現(xiàn)在：有些特征的貢獻(xiàn)僅是單方面的，如“兼類(lèi)人名詞典”雖然使召回率有所提升，但正確率卻出現(xiàn)了下降；各個(gè)特征對(duì)結(jié)果影響的大小也不相同，如“梵藏滿人名詞典”及“蒙古人名詞典”對(duì)正確率和召回率的影響比較明顯，而“蒙古族蒙古姓氏詞典”的影響并不十分明顯。

蒙古文人名識(shí)別遇到很多難題，主要表現(xiàn)在：人名是開(kāi)放集合，無(wú)法窮舉，蒙古人名兼類(lèi)現(xiàn)象較為嚴(yán)重，越普通的詞，成為人名的現(xiàn)象也越普遍，給人名識(shí)別帶來(lái)很大困難。蒙古文深加工語(yǔ)料庫(kù)規(guī)模比起中英文規(guī)模尚小，本文使用的語(yǔ)料庫(kù)規(guī)模僅有30萬(wàn)詞，必定影響了統(tǒng)計(jì)模型的規(guī)則提取與自動(dòng)學(xué)習(xí)。但是，本文的創(chuàng)新和貢獻(xiàn)主要體現(xiàn)在：首次建立了蒙古文人名識(shí)別語(yǔ)料庫(kù)，與內(nèi)蒙古大學(xué)的語(yǔ)料庫(kù)一同訓(xùn)練數(shù)學(xué)模型，測(cè)試自動(dòng)識(shí)別的結(jié)果，有效補(bǔ)充了語(yǔ)料庫(kù)缺乏帶來(lái)的缺憾；首次建立了蒙古文普通人名知識(shí)庫(kù)及兼類(lèi)人名知識(shí)庫(kù)，對(duì)人名及其他命名實(shí)體的識(shí)別有重要意義；知識(shí)庫(kù)整理為14個(gè)特征，進(jìn)行了特征選擇實(shí)驗(yàn)，更科學(xué)地鑒定了知識(shí)庫(kù)的有效性及針對(duì)性；在以傳統(tǒng)的規(guī)則為主的研究基礎(chǔ)上，將最大熵的數(shù)學(xué)模型成功應(yīng)用于蒙古文命名實(shí)體的識(shí)別當(dāng)中，是統(tǒng)計(jì)模型應(yīng)用于蒙古文命名實(shí)體研究的較早成果。

［參考文獻(xiàn)］

［1］鄭家恒.智能信息處理——漢語(yǔ)語(yǔ)料庫(kù)加工技術(shù)及應(yīng)用［M］.北京：科學(xué)出版社，2010：41.

［2］牧仁高娃.蒙古語(yǔ)語(yǔ)料庫(kù)標(biāo)注及相關(guān)對(duì)策研究［D］.內(nèi)蒙古：內(nèi)蒙古大學(xué)，2008：41.

［3］喬永波.規(guī)則與統(tǒng)計(jì)相結(jié)合的中文命名實(shí)體識(shí)別［D］.山東：山東大學(xué)，2007：8.

［4］曹納木.蒙古族姓氏集［M］.呼和浩特：內(nèi)蒙古人民出版社，2007：1－256.

［5］中國(guó)社會(huì)科學(xué)院語(yǔ)言文字應(yīng)用研究所整理研究室編.姓氏人名用字分析統(tǒng)計(jì)［M］.北京：語(yǔ)文出版社，1991：747－757.

［6］德·青格樂(lè)圖.現(xiàn)代蒙古語(yǔ)固定短語(yǔ)語(yǔ)法信息詞典詳解［M］.呼和浩特:內(nèi)蒙古教育出版社，2005：31－188.

［收稿日期］2014－08－28 ［責(zé)任編輯］菊秋芳

［作者簡(jiǎn)介］通拉嘎（1976－），女，內(nèi)蒙古科爾沁右翼中旗人，中央民族大學(xué)博士，泉州師范學(xué)院圖書(shū)館館員，中國(guó)社科院閩南文化研究基地成員，研究方向：計(jì)算語(yǔ)言學(xué)、方言及情報(bào)學(xué)；劉凱(1987－)，男，福建龍巖人，中科院計(jì)算所博士畢業(yè)，研究方向：機(jī)器翻譯及自然語(yǔ)言處理；李佳正（1988－），女，中科院計(jì)算所碩士畢業(yè)，研究方向：機(jī)器翻譯。

［基金項(xiàng)目］本文系國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“跨語(yǔ)言社會(huì)輿情分析基礎(chǔ)理論與關(guān)鍵技術(shù)”（項(xiàng)目編號(hào)：61331013）的系列成果之一。

［文章編號(hào)］1005－8214（2014）12－0109－04

［文獻(xiàn)標(biāo)志碼］A

［中圖分類(lèi)號(hào)］TP391.1；G250.74