基于条件随机场模型的汉语主谓短语自动识别研究

桥畔看潮生

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。

dxp