[发明专利]基于约束模型的英文社交媒体短文本时间表达式识别方法

权利要求书

1.一种基于约束模型的英文社交媒体短文本时间表达式识别方法，其特征在于，包括以下步骤：

S1，输入预处理后的短文本；

S2，针对性构造特征集；

S3，训练条件随机场模型；包括以下流程：

设定X＝(X₁，X₂，...，X_n)，Y＝(Y₁，Y₂，...Y_n)均为线性链表示的随机变量序列，给定X的条件下，Y的条件分布P(Y|X)构成的条件随机场如下，满足马尔科夫性P(Y_i|X，Y₁，...，Y_i-1，Y_i+1，...，Y_n)＝P(Y_i|X，Y_i-1，Y_i+1)

其中，i＝1，2，...，n；P(Y|X)为线性链条件随机场，在X＝x的条件下，Y＝y的条件概率为

其中，Z(x)为归一化因子，t_k(y_i-1，y_i，x，i)表示为在观察序列的两个相邻标记位置上的转移特征函数，λ_k为其对应特征权重，s_l(y_i，x，i)为定义在观察序列的标记位置i上的状态特征函数，μ_l为对应的特征权重；在条件随机场中求解最大的条件概率模型，即

通过训练语 料和特征模板对条件随机场进行训练，得到训练好的条件随机场的模型、各特征的权重，其中，特征包括转移特征和状态特征；

S4，训练约束模型并进行分类；包括以下流程：

构造的约束条件随机场标注模型如下，P(Y|X)为线性链条件随机场，给定X的条件下，Y的条件概率如下

其中，ω_k为对应的特征权重，其为s_l(y_i，x，i)状态特征函数加权后的sigmoid函数，ε_l为第个状态特征的权重；

已知训练数据集，可得经验概率分布P(X，Y)，通过极大化训练数据的对数似然函数来求模型参数；训练数据的对数似然函数为

当P_ε为有约束的条件随机场模型时，对数似然函数为

其中，

采取迭代的方法求解参数ε_l，求解参数的过程即为最大化似然函数的问题；

得到训练好的参数后，应用构造的有约束的条件随机场模型进行结果标注，应用维特比算法，求解整体最大概率出现的标注序列，即

S5，输出时间实体识别结果。

2.如权利要求1所述的基于约束模型的英文社交媒体短文本时间表达式识别方法，其特征在于，所述S1中预处理后的短文本为分词，词性识别之后的英文社交媒体短文本词序列。

3.如权利要求1所述的基于约束模型的英文社交媒体短文本时间表达式识别方法，其特征在于，所述S2中构造的特征集中新增的特征包括：

数字特征；介词特征；修饰词特征；增强介词与修饰词特征比重；时间表达式触发词特征；增加触发词特征比重；时间表达式后缀词特征；词的形状特征；组合特征。