组织机构识别

组织机构的识别是在地名识别与人名识别之后进行的，它所使用的方式与地名、人名识别使用的方法是一样的，也是粗分句子、组织机构角色标注、选择最优角色、模式识别。

假设我现在有一个句子是：

我在上海林原科技有限公司兼职工作。

我们如何找出对它进行分词并找出里面的组织机构名称呢？

粗分句子

对原句使用维特比算法进行初步切分，得到如下结果：

然后进行人名地名的识别，得到如下结果：

我们可以看到，经过上面的人名地名识别步骤，它识别出了林原是一个人名。好了，至此前面的操作我们认为都是粗分句子的步骤，接下来，是在粗分句子的基础之上进行真正的组织机构识别操作。

组织机构角色标注

这里的组织机构角色标注与之前的人名角色标注，地名角色标注所表示的意义是一样的，都是自定义的，为组织机构，地名，人名的识别打基础。那么，这里的组织机构角色标注集是这样的：

public enum NT
{
    /**
     * 上文	[参与]亚太经合组织的活动
     */
    A,
    /**
     * 下文	中央电视台[报道]
     */
    B,
    /**
     * 连接词	北京电视台[和]天津电视台
     */
    X,
    /**
     * 特征词的一般性前缀	 北京[电影]学院
     */
    C,
    /**
     * 特征词的译名性前缀 	美国[摩托罗拉]公司
     */
    F,
    /**
     * 特征词的地名性前缀 	交通银行[北京]分行
     */
    G,
    /**
     * 特征词的机构名前缀	  [中共中央]顾问委员会
     */
    H,
    /**
     * 特征词的特殊性前缀	 [华谊]医院
     */
    I,
    /**
     * 特征词的简称性前缀 	[巴]政府
     */
    J,
    /**
     * 整个机构 [麦当劳]
     */
    K,
    /**
     * 方位词
     */
    L,
    /**
     * 数词 公交集团[五]分公司
     */
    M,
    /**
     * 单字碎片
     */
    P,
    /**
     * 符号
     */
    W,
    /**
     * 机构名的特征词	国务院侨务[办公室]
     */
    D,
    /**
     * 非机构名成份
     */
    Z,

    /**
     * 句子的开头
     */
    S
}

那么，如何对刚才的粗分结果进行角色标注呢？最主要的方式还是利用词典进行匹配。 组织机构的词典是这样的：

······
褐山 I 2
襄安 I 1
襄汾 I 1
西 L 100 A 20 B 15 X 1
西三旗 I 4
西乡 I 12
西二环 A 1
西侧 B 8 A 2
西元 I 1
······

每一行的规则是：词 词性A 词性A的词频 词性B 词性B的词频

比如西侧 B 8 A 2表示词西侧作为词性B（组织机构上文）在语料中出现的次数是8次，作为词性A（组织机构上文）在语料中出现的次数是2次。

那么，最后得到的角色标注结果就是：

选择最优角色

刚才的标注结果中，词可能有多个角色，我们需要选择出最优的角色，此处可以使用维特比算法选择最优角色，得到的结果是：

模式匹配

各个词选择了最优的角色，构成了一个词串SAAGFCDBABS，现在我们要做的事情就是给定一些模式，如何在现在的词串中找出给定的模式，这又是一个多模式匹配问题，和之前一样，采用AC自动机来解决这个问题。另外，这里的模式非常多，我在这里只是列出一部分：

......
GJGFJCD
GJGJCD
GJGJCJCD
GJGJCKDGD
GJGMCCD
GJGPCCCD
GJGPD
......

模式当然都是自己定义的，根据角色标注集，其中那些可以组成一个组织机构名，就把它写成一种模式。

在我们现在的字符串中SAAGFCDBABS，根据AC自动机进行多模式匹配，最终找出的模式有GFCD,FCD,CD。这三个模式分别对应的词组成的机构名称是上海林原科技有限公司, 林原科技有限公司,科技有限公司。

那么现在我们的分词结果可能是：

0:[ ]
1:[我]
2:[在, 在]
3:[上海, 上海林原科技有限公司, 上海]
4:[海]
5:[林原, 林原科技有限公司]
6:[原]
7:[科技, 科技有限公司]
8:[]
9:[有限公司]
10:[]
11:[]
12:[]
13:[兼, 兼职]
14:[]
15:[工作]
16:[]
17:[。]
18:[ ]

所以，再一次使用维特比算法求解，得到最优结果是：

[我, 在, 上海, 林原科技有限公司, 兼职, 工作。]

参考文献：

• 层叠HMM-Viterbi角色标注模型下的机构名识别
• HanLP组织机构识别例子