Ứng dụng CRF nhận dạng thực thể định danh trong văn bản tiếng Việt

Tóm tắt

Nhận dạng các thực thể định danh là một lĩnh vực đang nhận được sự quan tâm rộng rãi của các nhà nghiên cứu. Đã có nhiều kết quả trong lĩnh vực này trong một số ngôn ngữ như Anh, Pháp, Trung Quốc,… nhưng với Tiếng Việt thì còn hạn chế. Mục đích nghiên cứu để xây dựng một hệ thống nhận dạng thực thể cho phép nhận dạng các thực thể có tên trong văn bản Tiếng Việt như tên người, địa điểm, tổ chức, thời gian,… được phát triển dựa trên công cụ CRF++. Nhiệm vụ chính là xây dựng một tập dữ liệu tốt, đầy đủ, chính xác nhằm hỗ trợ cho việc nhận dạng thực thể và xây dựng một hệ thống huấn luyện, kiểm thử và ứng dụng. Hệ thống nhận dạng thực thể đã thực nghiệm trên 300 bài báo với nhiều lĩnh vực khác nhau và hoạt động có tính khả thi cao với độ đo F1 trung bình qua 10 lần thực nghiệm đạt 84,8%.