[转帖] 基于条件随机场模型的汉语主谓短语自动识别研究基于条件随机场模型的汉语主谓短语自动识别研究

1 论文标题：基于条件随机场模型的汉语主谓短语自动识别研究

2 作者信息：何一凡：西南交通大学人文学院中文系，四川 成都

3 出处：《现代语言学》10.12677/ml.2025.13121271

4 摘要：主谓结构是汉语句子的核心语法骨架，其精准识别是自然语言处理(NLP)领域语义解析、信息抽取等下游任务的关键前提。针对中文语言结构复杂性给主谓短语识别带来的挑战，本文提出基于条件随机场(CRF)的汉语主谓短语自动识别方法，以提升识别准确性与可靠性。研究以清华-汉语句法树库(TCT)为语料来源，构建含39595个标注样本的数据集。预处理阶段，通过自定义转换函数解决原始语料编码问题，用正则表达式匹配主谓结构边界，完成“起始(B)–内部(I)–其他(O)”标签标注，并将数据格式化为“词语–词性–标签”三元组，满足CRF模型训练需求。特征工程中，设计word2features函数，抓取词形及变形、词性、上下文前后1~2词及组合特征、句子边界(BOS/EOS)、词缀等多维度特征，为模型提供支撑。采用sklearn-crfsuite库实现CRF，以L-BFGS为优化算法，设正则化系数(C1 = 0.2、C2 = 0.1)与最大迭代次数200次，将数据集按9:1划分为训练集35635个样本与测试集3960个样本。实验显示，模型加权F1值0.7459，I标签F1值0.7541，B标签F1值0.6739；加权精确率0.7675、召回率0.7257，模型对主谓结构内部成分识别较好，但起始边界及长距离依赖识别需优化。研究证实，词性与上下文组合特征可提升模型性能，为汉语句法结构自动识别提供参考。