基于朴素贝叶斯的泰米尔寺庙领域命名实体识别：实验与成果

本文研究了如何运用朴素贝叶斯分类方法在特定领域，即泰米尔纳德邦寺庙主题的文本中执行命名实体识别（NER）。泰米尔语是一种南亚语言，本文关注的实体类型主要包括寺庙名称、地点（如swami名称，可能指寺庙的重要人物），时间实体（日期和时间）以及数字。命名实体识别是自然语言处理中的一个重要任务，它有助于理解文本并提取关键信息。 首先，文章的预处理步骤包括文本标记化，这是将输入文本分解为更小的有意义单元的过程，通常这些单元是单词或子词。然后，利用词性标注技术分析句子结构，以便确定每个词在句子中的功能，这对于识别实体类别至关重要。朴素贝叶斯分类器在此过程中发挥关键作用，作为一种经典的概率模型，它假设特征之间相互独立，这简化了模型的计算复杂性。 研究者创建了一个统计处理框架，基于训练数据中的命名实体标签字典，这个字典预先定义了各种类型的实体。朴素贝叶斯算法通过对训练数据中各个特征（如词性、词频等）出现频率的统计分析，形成概率模型，然后用这个模型来预测新的文本中实体所属的类别。 泰米尔纳德邦寺庙领域的特点对NER提出了独特挑战，因为语言特性和文化参考可能与通用的命名实体识别有所不同。作者选择朴素贝叶斯作为分类器，可能是由于其简单易用，且在处理文本分类问题上表现良好，尤其对于小型到中型数据集，它的性能常常优于复杂的机器学习模型。 实验结果显示，提出的系统在寺庙命名实体识别任务上表现出理想的效果，这表明朴素贝叶斯算法在这特定领域的应用是有效的。文章强调了开放获取的出版策略，允许研究人员自由分享和使用研究成果，促进了学术交流和进一步的研究发展。 这篇研究为泰米尔语命名实体识别提供了一种实用的方法，特别是在寺庙相关的文本中，展示了朴素贝叶斯算法的潜力，同时推动了领域特定的自然语言处理工具的发展。