中文机构名称的识别与分析

中文机构名称数目庞大，层出不穷，绝大多数未能收入词典，给自然语言处理带来困扰。但是，从语言学的角度来看，机构名称是一种偏正复合式专有名词，同时又是一类较为简单的偏正名词词组，有自己的结构规律和形态标记。本文以高校名称为重点，以中国内地、香港和台湾三地实际语料为依据，从语言学和计算机技术两方面对机构名称的识别与分析展开讨论，并总结出相应的规则。根据这些规则，对六百多万字的三地语料库作高校名称识别，正确率（指前后界定位均正确）达９７３％，召回率为９６９％。这些规则还可应用于拼音 汉字智能转换和机器翻译等其它领域。