분류기 조합을 통한 명명된 개체 인식

이 논문은 네 가지 다양한 분류기(강력한 선형 분류기, 최대 엔트로피, 변환 기반 학습, 숨겨진 마르코프 모델)를 서로 다른 조건에서 결합한 명명된 개체 인식을 위한 분류기 조합 실험 프레임워크를 제시한다. gazetteer나 기타 추가 교육 자원을 사용하지 않을 때, 결합된 시스템은 영어 개발 데이터에서 91.6F의 성능을 달성하며; 이름, 위치 및 사람 gazetteer를 통합하고 추가적으로 더 일반적인 데이터로 훈련된 명명된 개체 시스템은 영어 데이터에서 F-측정 오류를 15%에서 21% 감소시킨다.