翟東海，崔靜靜，聶洪玉，于 磊，杜 佳

(1.西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院，成都 610031;2.西藏大學(xué)工學(xué)院，拉薩 850000)

1 概述

敏感話題檢測(cè)是網(wǎng)絡(luò)輿情檢測(cè)技術(shù)中的重要子課題，通過敏感話題檢測(cè)能夠?qū)⒕W(wǎng)絡(luò)中涉及的暴力、色情和非法煽動(dòng)等信息及時(shí)發(fā)現(xiàn)并監(jiān)管，對(duì)于維護(hù)網(wǎng)絡(luò)健康發(fā)展和社會(huì)穩(wěn)定有著極其重要的影響。因此，敏感話題的檢測(cè)對(duì)于及時(shí)把握輿情動(dòng)態(tài)、積極引導(dǎo)健康的社會(huì)輿論有著重大的作用和意義。文獻(xiàn)［1］提出的話題識(shí)別與跟蹤算法能夠發(fā)現(xiàn)和追蹤文本流中的重要信息;文獻(xiàn)［2］提出一種基于衰老理論(aging theory)的熱點(diǎn)話題檢測(cè)方法，可以有效發(fā)現(xiàn)一段時(shí)間內(nèi)BBS上的熱點(diǎn)話題;文獻(xiàn)［3］提出和實(shí)現(xiàn)的雙語Web內(nèi)容過濾智能分類引擎，能夠識(shí)別包含色情信息的中文和英文網(wǎng)頁(yè)。文獻(xiàn)［4］在動(dòng)態(tài)知識(shí)庫(kù)中構(gòu)建了一顆動(dòng)態(tài)層次語義樹，隨著敏感文本的不斷到來，動(dòng)態(tài)更新語義樹?，F(xiàn)階段國(guó)內(nèi)外對(duì)敏感話題檢測(cè)的研究雖然已經(jīng)取得了一定的進(jìn)展，但是完全針對(duì)敏感話題檢測(cè)的算法還有待完善，精確度也有待提高。

敏感話題通常包含態(tài)度傾向性，且具有一定的先驗(yàn)知識(shí)，因此，如何有效利用這些先驗(yàn)知識(shí)來判斷網(wǎng)絡(luò)文本的敏感性是敏感話題檢測(cè)的研究難點(diǎn)和熱點(diǎn)。在充分利用條件隨機(jī)場(chǎng)強(qiáng)大的知識(shí)擬合能力的基礎(chǔ)上，本文提出了一種基于條件隨機(jī)場(chǎng)的敏感話題檢測(cè)模型。首先介紹敏感話題類別和待測(cè)文檔的表示方式，然后對(duì)敏感話題檢測(cè)的條件隨機(jī)場(chǎng)模型進(jìn)行研究，在此基礎(chǔ)上實(shí)現(xiàn)待測(cè)文檔的的敏感性標(biāo)注。

2 敏感話題檢測(cè)模型

在文獻(xiàn)［4］中，敏感話題被定義為不利于社會(huì)穩(wěn)定的言論，一般包括暴力類、色情類和其他。敏感話題通常具有一定的先驗(yàn)知識(shí)，并且包含態(tài)度傾向性的特點(diǎn)，因此，敏感話題檢測(cè)方法不同于傳統(tǒng)的話題檢測(cè)方法［5］。條件隨機(jī)場(chǎng)是一種概率圖模型，具有強(qiáng)大的知識(shí)擬合能力［6］，可以將敏感話題的多個(gè)特征聯(lián)合考慮，實(shí)現(xiàn)網(wǎng)絡(luò)中敏感文本的快速發(fā)現(xiàn)。本文中敏感話題檢測(cè)主要包括2個(gè)部分，網(wǎng)絡(luò)文本的表示和敏感文本的識(shí)別，針對(duì)敏感話題已有的先驗(yàn)知識(shí)，結(jié)合CRFs模型，本文提出了基于CRFs的敏感話題檢測(cè)模型。在獲取網(wǎng)絡(luò)文本后，結(jié)合敏感詞匯庫(kù)中的種子敏感詞完成網(wǎng)絡(luò)文本的表示，然后通過訓(xùn)練好的基于CRFs的敏感話題識(shí)別模型來對(duì)文本的敏感度進(jìn)行估計(jì)，當(dāng)敏感度的可信度超過閾值θ時(shí)，就可以判定該文本是否為敏感話題以及其所屬敏感話題的類別。本文的整體實(shí)現(xiàn)框圖如圖1所示。

圖1 基于CRFs的敏感話題識(shí)別框圖

3 網(wǎng)絡(luò)文本和敏感話題類別的表示

3.1 網(wǎng)絡(luò)文本的表示

對(duì)通過特征提取后，在本文的CRFs敏感話題識(shí)別模型中，將待檢測(cè)的文本表示為CRFs模型中的觀察序列進(jìn)行處理。在眾多話題表示方法中，VSM(Vector Space Model)和 TF－IDF(Term Frequency Inverse Document Frequency)是一種非常有效的話題表示方式。由于敏感話題通常會(huì)涉及一些固有的敏感詞匯，如“上訪”、“拆遷”等，和一些包含態(tài)度傾向性的詞匯，如“邪惡”、“屠殺”等，因此在對(duì)網(wǎng)絡(luò)文本進(jìn)行話題表示時(shí)，需要盡量將一些重要的敏感詞匯和能代表作者態(tài)度的傾向詞提取到特征詞中。文獻(xiàn)［7］在傳統(tǒng)的TF－IDF公式中增加了傾向性因子來提高特征抽取的效率，本文借鑒這種思想，將該傾向性因子改造為敏感性因子。這樣，文本中第i個(gè)詞項(xiàng)(itemi)的權(quán)重(weighti)計(jì)算公式如下:

weighti=TF(itemi)·lb(IDF(itemi))·γi(1)其中，TF為詞頻;IDF為逆文檔頻率;γi為敏感性因子。文檔中的第i個(gè)詞項(xiàng)的敏感性因子γi被定義為該詞語與敏感詞匯庫(kù)中各個(gè)種子詞的點(diǎn)互信息(Pointwise Mutual Information，PMI)的平均值:

其中，N為敏感詞匯庫(kù)中種子敏感詞的總數(shù)。在該計(jì)算方法中，最主要的是計(jì)算詞語間的關(guān)聯(lián)度，即通過計(jì)算特征詞與敏感詞匯庫(kù)中種子詞的點(diǎn)互信息PMI得到:

其中，p(word1＆word2)表示word1和word2在語料中同時(shí)出現(xiàn)的概率;p(word1)，p(word2)分別表示word1和word2在語料中獨(dú)立出現(xiàn)的概率。

待檢測(cè)文本d中的每個(gè)特征詞項(xiàng)itemi由具有3個(gè)屬性的三元組表示，這3個(gè)屬性值包括該詞項(xiàng)權(quán)重(weighti)、敏感性(polarityi)、詞性(part－ofspeech，posi)。其中，敏感性(polarityi)的值等同于敏感性因子 γi，詞性(posi)的獲得方法參見文獻(xiàn)［8］:

將所求得的待測(cè)文本d的特征項(xiàng)項(xiàng)依據(jù)其weight值的大小降序排列，并從中選取n個(gè)特征項(xiàng)組成一個(gè)特征詞項(xiàng)序列用來表示待測(cè)文本:

3.2 敏感話題類別的表示

在CRFs敏感話題檢測(cè)模型中，通過特征選擇的方法，結(jié)合敏感詞匯庫(kù)，選取敏感文本中區(qū)分能力較強(qiáng)的敏感特征詞項(xiàng)，從而將敏感話題的類別表示為CRFs模型中的狀態(tài)序列。根據(jù)描述內(nèi)容的不同將敏感話題庫(kù)中的敏感話題分為若干類別{case1，case2，…，casek}，并為每一類別選擇一組最能反映該類別特性的特征詞項(xiàng)，作為其狀態(tài)序列:

4 特征函數(shù)的構(gòu)造

經(jīng)過3.1節(jié)和3.2節(jié)的步驟后，CRFs模型中的觀察節(jié)點(diǎn)和狀態(tài)節(jié)點(diǎn)就與待檢測(cè)文檔和敏感話題類別建立了對(duì)應(yīng)關(guān)系。然而，CRFs中另一個(gè)非常重要的任務(wù)是如何針對(duì)特定的需求為模型選擇合適的特征集合，并用集合中的特征來構(gòu)造特征函數(shù)，用于敏感話題類別判定。

在構(gòu)造特征函數(shù)之前，先在訓(xùn)練集中構(gòu)造觀察值序列即樣本文檔d′的真實(shí)特征集合b(item′x，i)，所有i位置觀察值item′x的真實(shí)特征。每個(gè)特征函數(shù)表示為觀察序列真實(shí)特征b(item′x，i)集合中的一個(gè)元素，并為當(dāng)前狀態(tài)(狀態(tài)特征函數(shù))或前一個(gè)狀態(tài)和當(dāng)前狀態(tài)(轉(zhuǎn)移特征函數(shù))定義一個(gè)特定的值(通常用0和1來表示)。例如狀態(tài)特征函數(shù)抽取的具體過程如下:首先判斷訓(xùn)練集中樣本文檔 d′={item′1，item′2，…，item′n}中的第 i個(gè)特征詞項(xiàng)是否具有敏感特征，如人名;然后再判斷該特征項(xiàng)是否為敏感詞匯庫(kù)中的種子詞:

4.1 狀態(tài)特征函數(shù)

4.1.1 關(guān)聯(lián)度特征函數(shù)

敏感詞匯的統(tǒng)計(jì)特征表明，文本的特征詞表示序列中包含敏感詞匯越多，該文本越有可能討論敏感話題［9］，因此，待測(cè)文檔d屬于某一敏感話題類別的判定問題就可以轉(zhuǎn)化為待測(cè)文檔中的特征詞與敏感話題類別中特征詞的相關(guān)度判定問題。而如果2個(gè)詞在語料庫(kù)中所處的語言環(huán)境總是非常相似，則認(rèn)為這2個(gè)詞的相關(guān)度很大。這樣，可以將詞間關(guān)聯(lián)度作為評(píng)估文檔和敏感話題類別相關(guān)度的一個(gè)特征。在CRFs模型中，待測(cè)文檔和敏感話題類別中特征詞之間的關(guān)聯(lián)度特征函數(shù)形式如下所示:

其中，ε為詞項(xiàng)間的關(guān)聯(lián)度閾值，當(dāng)2個(gè)詞項(xiàng)之間的關(guān)聯(lián)度超過一定的閾值時(shí)就可以判定它們是相關(guān)的;cor(·)為待測(cè)文檔中的特征詞與敏感話題類別中的特征詞之間的關(guān)聯(lián)度，計(jì)算方法如下:

其中，分子部分為待測(cè)文檔中特征詞與敏感話題類別的某個(gè)特征詞的互信息;分母表示待測(cè)文檔中特征詞與敏感話題類別的所有特征詞互信息的總和。

4.1.2 詞項(xiàng)的屬性特征函數(shù)

一般的，同一個(gè)詞的不同詞性會(huì)使該詞具有不同的意義和不同的敏感性強(qiáng)度。通常情況下，命名實(shí)體和動(dòng)詞成為敏感性詞匯的可能性要大于其他詞性，同時(shí)，情感詞匯也是敏感詞匯的一個(gè)重要組成部分。因此，就可以利用詞語的詞性和它的情感極性以及在文本中的位置來構(gòu)造屬性特征函數(shù)。本文中用到的詞項(xiàng)屬性特征如表1所示。

表1 詞項(xiàng)屬性特征

4.2 轉(zhuǎn)移特征函數(shù)的定義

在待測(cè)文檔特征詞序列的敏感性標(biāo)注過程中，前一詞項(xiàng)的敏感性標(biāo)注對(duì)當(dāng)前詞項(xiàng)的敏感性標(biāo)注是有影響的，因此，本文定義了詞項(xiàng)間敏感性標(biāo)注的轉(zhuǎn)移特征函數(shù)，例如，當(dāng)觀察序列中的當(dāng)前詞項(xiàng)xt在中國(guó)機(jī)構(gòu)名詞典中，并且狀態(tài)序列中前一詞項(xiàng)的敏感性標(biāo)記yi－1為極性詞，當(dāng)前詞項(xiàng)的敏感性標(biāo)記yi為敏感機(jī)構(gòu)體時(shí)，特征函數(shù)應(yīng)取值為1。本文中用到的轉(zhuǎn)移特征模板如表2所示。

表2 轉(zhuǎn)移特征函數(shù)

5 敏感話題檢測(cè)的CRFs模型

5.1 CRFs模型

條件隨機(jī)場(chǎng)是一種用于在給定輸入節(jié)點(diǎn)值時(shí)計(jì)算指定輸出節(jié)點(diǎn)值的條件概率的無向圖模型，能夠較好地解決序列標(biāo)記問題。對(duì)于輸入序列x和輸出序列y，線性鏈?zhǔn)綏l件隨機(jī)場(chǎng)模型可以被定義為［10］:

其中，tk是轉(zhuǎn)移特征函數(shù)，對(duì)應(yīng)于 CRFs模型中邊〈yi－1，yi〉上的特征;sk是狀態(tài)特征函數(shù)，對(duì)應(yīng)于 CRFs模型中第i個(gè)位置上輸入－輸出節(jié)點(diǎn)的特征;vk和uk是特征函數(shù)的權(quán)值，通常將tk和sk寫為統(tǒng)一形式fk;Z(x)是歸一化因子。CRFs可以將模型中各元素自身的屬性特征以及各元素之間的長(zhǎng)距離依賴特征和重疊特征進(jìn)行量化運(yùn)用到模型中，因此，CRFs有強(qiáng)大的特征擬合能力，通過利用領(lǐng)域知識(shí)，能夠獲得全局最優(yōu)標(biāo)記［11］。

在本文中，待測(cè)文檔中的每個(gè)特征項(xiàng)被依概率標(biāo)注為敏感話題類別中的詞項(xiàng)，其中，最大概率的狀態(tài)序列采用Viterbi算法［12］獲得。在Viterbi算法中，需要建立詞項(xiàng)之間的關(guān)系矩陣，如某類別的關(guān)系矩陣見表3，aij表示第i個(gè)詞和第j個(gè)詞之間的關(guān)系(如上下文關(guān)系)，若2個(gè)詞之間無任何關(guān)系，則aij=0。

表3 詞項(xiàng)之間的轉(zhuǎn)移關(guān)系

5.2 CRFs模型的訓(xùn)練

CRFs模型的訓(xùn)練［11］是采用對(duì)數(shù)最大似然估計(jì)從訓(xùn)練集中估計(jì)每個(gè)特征函數(shù)的權(quán)重參數(shù)Λ={λ1，λ2，…，λn}，對(duì)于訓(xùn)練集 D={〈x，y〉(1)，〈x，y〉(2)，…，〈x，y〉(i)，…，〈x，y〉(N)}，似然函數(shù)如下:

其中，第2項(xiàng)為高斯先驗(yàn)值，是一個(gè)用于平滑處理的特征參數(shù)，其方差為σ2。本文使用L－BFGS(Limited Memory Broyden－Fletcher－Goldfarb－Shanno)算 法 實(shí)現(xiàn)對(duì)目標(biāo)函數(shù)的優(yōu)化求解，L－BFGS可以被簡(jiǎn)單地看作一個(gè)黑盒優(yōu)化過程，僅需要提供似然函數(shù)的一階導(dǎo)數(shù)，則訓(xùn)練集的對(duì)數(shù)似然估計(jì)的一階導(dǎo)數(shù)為:

其中，Ck(y，x)是表示y中各位置i上的特征函數(shù)fk的和，上式中前2項(xiàng)的差對(duì)應(yīng)于特征的經(jīng)驗(yàn)期望值與模型的期望值的差［fk］－EΛ［fk］N，第3 項(xiàng)為高斯先驗(yàn)值的導(dǎo)數(shù)。

5.3 文本的敏感性標(biāo)記

設(shè)話題類別集合 case={case1，case2，…，casen}，按上文所述建立CRFs的敏感話題檢測(cè)模型，如圖2所示，具體檢測(cè)方法如下:

(1)獲取待測(cè)文檔，并表示為觀察序列d={item1，item2，…，itemn}，作為 CRFs模型的輸入。

(2)在給定輸入序列(觀察序列)的條件下，計(jì)算每一個(gè)標(biāo)記序列(狀態(tài)序列)的概率，將具有最大概率的標(biāo)記序列對(duì)應(yīng)的類別標(biāo)簽作為待檢測(cè)文檔的候選話題類別casej。

(3)判斷各候選話題類別對(duì)應(yīng)的概率值，若大于閾值θ，則將該文檔歸入概率值最大的敏感話題類別中，若小于閾值，則認(rèn)為該文檔不是敏感話題。

圖2 文檔敏感類別標(biāo)記流程

如果待測(cè)文檔d的候選話題類別不止一個(gè)，則計(jì)算文檔d與各候選話題類別特征向量之間的Hellinger距離，并將文檔那個(gè)d歸入距離最短的那個(gè)類別。

6 實(shí)驗(yàn)結(jié)果與分析

6.1 訓(xùn)練數(shù)據(jù)

實(shí)驗(yàn)采集2011年8月－2012年3月的國(guó)內(nèi)各大新聞網(wǎng)站的100000個(gè)新聞網(wǎng)頁(yè)(大多數(shù)是論壇和博客的帖子)作為本文實(shí)驗(yàn)的語料庫(kù)，所采集的數(shù)據(jù)信息包括標(biāo)題、內(nèi)容、發(fā)布時(shí)間等，如表4所示。敏感話題類別采用 ODP(Open Directory Project)網(wǎng)站(www.dmoz.org)定義的16個(gè)大的主題類別，包含暴力、色情等，訓(xùn)練數(shù)據(jù)集是從語料庫(kù)中選取的包含敏感性話題的20000個(gè)網(wǎng)頁(yè)文本，它們被標(biāo)注為16個(gè)敏感話題類別。

表4 詞項(xiàng)屬性特征列表

6.2 測(cè)試數(shù)據(jù)集

為了測(cè)試本文方法的有效性，仍采用在線網(wǎng)頁(yè)作為測(cè)試數(shù)據(jù)集，抽取2012年4月-2012年8月的100000個(gè)網(wǎng)頁(yè)作為測(cè)試數(shù)據(jù)集。

6.3 評(píng)價(jià)標(biāo)準(zhǔn)

在本文中，敏感話題檢測(cè)的評(píng)測(cè)標(biāo)準(zhǔn)采用信息檢索中廣泛使用的準(zhǔn)確率(Precision)和召回率(Recall)及 F 度量值［13］，算法如下:

其中，準(zhǔn)確率Precision是正確標(biāo)記文本和標(biāo)記文本總數(shù)的比值;召回率Recall是正確標(biāo)記文本和實(shí)際正確標(biāo)記文本總數(shù)的比值。

其中，tp為屬于敏感話題且被正確標(biāo)記的文本數(shù);fp為不屬于敏感話題但被標(biāo)記的文本數(shù)，即錯(cuò)誤標(biāo)記數(shù);fn為屬于敏感話題但未被標(biāo)記出的文本數(shù)，即漏檢文本數(shù)。

6.4 結(jié)果分析

為了能夠客觀地評(píng)價(jià)本文提出的基于CRFs的敏感話題檢測(cè)模型的效果，根據(jù)訓(xùn)練數(shù)據(jù)集與測(cè)試數(shù)據(jù)集的不同關(guān)系，本文實(shí)驗(yàn)分別采用了封閉測(cè)試和開放測(cè)試來進(jìn)行評(píng)測(cè)，并且以貝葉斯模型為對(duì)比實(shí)驗(yàn)，雙方均以敏感詞作為文本的特征項(xiàng)。據(jù)此，本文一共做了4組敏感話題檢測(cè)實(shí)驗(yàn)，前2組為封閉測(cè)試的基于CRFs的敏感話題檢測(cè)模型與貝葉斯模型2種方法的測(cè)試結(jié)果，后2組為開方測(cè)試的基于CRFs的敏感話題檢測(cè)模型與貝葉斯模型2種方法的測(cè)試結(jié)果，結(jié)果如表5和圖3所示。

表5 CRFs模型與貝葉斯模型的實(shí)驗(yàn)結(jié)果對(duì)比

圖3 CRFs模型與貝葉斯模型的實(shí)驗(yàn)結(jié)果對(duì)比

從表5和圖3中可以看出，同樣是概率模型，由于基于CRFs的敏感話題檢測(cè)模型考慮了所有詞語間的相關(guān)性，能夠?qū)⒏嗟男畔⒓{入到文本中來，因此，在F度量值、準(zhǔn)確率(Precision)和召回率(Recall)上取得了更好的效果。

為了分析特征對(duì)CRFs模型的影響，本文實(shí)驗(yàn)對(duì)不同的特征數(shù)量進(jìn)行了實(shí)驗(yàn)，基于CRFs模型的敏感話題檢測(cè)的F值隨CRFs模型中特征數(shù)量的變化趨勢(shì)見圖4。由圖4可知，隨著選擇特征數(shù)量的增加，F(xiàn)值不斷增加，算法有效性提高，當(dāng)特征數(shù)量超過一定值后(num(features)＞14)后，F(xiàn)值先是變化不大，然后有所下降，因?yàn)樘卣鞯囊霂砹艘欢ǖ脑肼暎到y(tǒng)的效率也會(huì)隨特征的增加而不斷降低。

圖4 CRFs模型中特征數(shù)量對(duì)F值的影響

7 結(jié)束語

本文在充分分析敏感話題特點(diǎn)的基礎(chǔ)上，提出了基于條件隨機(jī)場(chǎng)的敏感話題檢測(cè)模型。在文本表示方面，本文利用了敏感性因子加權(quán)的特征詞提取方法;在敏感性檢測(cè)時(shí)，充分分析了敏感話題所具有的敏感性特征，利用條件隨機(jī)場(chǎng)概率圖模型對(duì)各種敏感特征知識(shí)進(jìn)行擬合和推斷。最后通過實(shí)驗(yàn)證明，該方法與傳統(tǒng)的貝葉斯方法相比，在敏感話題識(shí)別方面具有較好的性能，下一步將考慮時(shí)間因素對(duì)敏感話題檢測(cè)的影響，并在此基礎(chǔ)上對(duì)條件隨機(jī)場(chǎng)模型進(jìn)行擴(kuò)展。

［1］Wayne C L.Multilingual Topic Detection and Tracking:Successful Research Enabled by Corpora and Evaluation［C］//Proc.of Language Resources and Evaluation Conference.Athens，Greece:［s.n.］，2000:1487－1494.

［2］Zheng Donghui，Li Fang.Hot Topic Detection on BBS Using Aging Theory［C］//Proc.of International Conference on Web Information Systems and Mining.Shanghai，China:［s.n.］，2009:129－138.

［3］Lee P，Hui S，F(xiàn)ong A C M.An Intelligent Categorization Engine for Bilingual Web Content Filtering［J］.IEEE Transactions on Multimedia，2005，7(6):1183－1190.

［4］Zhao Liyong，Zhao Chongchong，Pang Jingqin，et al.Sensitive Topic Detection Model Based on Collaboration of Dynamic Case Knowledge Base［C］//Proc.of the 20th IEEE International Workshops on Enabling Technologies:Infrastructure for Collaborative Enter－prises.Athens，Greece:［s.n.］，2011:156－161.

［5］Zhao Liyong，Li Aimin.A Novel System for Sensitive Topic Detection and Alert Assessment［C］//Proc.of the 8th International Conference on Fuzzy Systems and Knowledge Discovery.Shanghai，China:［s.n.］，2011:1751－1755.

［6］Settles B.Biomedical Named Entity Recognition Using Conditional Random Fields and Rich Feature Sets［C］//Proc.of the International Joint Workshop on Natural Language Processing in Biomedicine and Its Applications.Stroudsburg，USA:［s.n.］，2006:1279－1288.

［7］劉 霽，周亞東，高 峰，等.一種基于文本語義的網(wǎng)絡(luò)敏感話題識(shí)別方法［J］.深圳信息職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2011，9(3):33－37.

［8］李軍輝，周國(guó)棟，朱巧明，等.中文名詞性謂詞語義角色標(biāo)注［J］.軟件學(xué)報(bào)，2011，22(8):1725－1737.

［9］Budanitsky A，HirstG.Evaluating Word Net－based Measures of Lexical Semantic Relatedness［J］.Computational Linguistics，2006，32(1):13－47.

［10］Lafferty J，McCallum A，Pereira F.Conditional Random Fields:Probabilistic Models for Segmenting and Labeling Sequence Data［C］//Proc.of the 18th International Conference on Machine Learning.San Francisco，USA:Morgan Kaufmann Publishers Inc.，2011:282－289.

［11］周俊生，戴新宇，尹存燕，等.基于層疊條件隨機(jī)場(chǎng)模型的中文機(jī)構(gòu)名自動(dòng)識(shí)別［J］，電子學(xué)報(bào)，2006，34(5):804－809.

［12］Viterbi A J.Error Bounds for Convolutional Codes and an Asymptotically Optimum Decoding Algorithm［J］.IEEE Transactions on Information Theory，1967，13(2):260－269.

［13］Wikipedia.Information Retrieval［EB/OL］.(2013－07－05).http://en.wikipedia.org/wiki/Information_retrieval.