组织机构名称中的伪中心词存在问题及优化方案

非组织机构名称中的伪中心词，即一些一般不能作组织机构名称中心词的词语，在实际的自动识别中，往往容易被误认为是组织机构名称中心词。凡判定结果中右边界为这些词语的，均为识别错误的组织机构名称。在种数上这类组织机构名称占识别结果的1.936％，在总数上占识别结果的0.924％。具体情况见表8-2。

表8-2　非组织机构名称中的伪中心词一览

非组织机构名称中的伪中心词分为四种。

（1）地名中心词。

地名包括了地理名称、政治地理名称、军事地理名称、场所名称、设施名称等。由于地名和组织机构名称关系密切，很容易将地名与组织机构名称混同。但根据考察分析，以下词语一般都不应识别为组织机构名称中心词。

①大厦——高层商用建筑名称，其中可容纳多个组织。如中关村海龙大厦、温州中国银行大厦等。与之对应的“商厦”则为组织机构名称中心词。

②基地——作为某种事业基础的地区。如成都大熊猫繁育研究基地、石景山动漫基地、广东省小麦基地、大连实德训练基地等。

③区——非行政区划的地名中心词。包括军区、卫戍区、自由贸易区、开发区等，如北京军区、中国人民解放军京津卫戍区、北美自由贸易区。

④联邦——联邦是由若干具有国家性质的行政区域（有国、邦、州等不同名称）联合而形成的同一国家，各行政区域有自己的宪法、立法机关和政府。联邦也有统一的宪法、立法机关和政府。国际交往以联邦政府为主体。从识别结果来看，“联邦”指联邦国家，如俄罗斯联邦，因此它表示地理政治实体名称。

⑤宫——包括文化宫、少年宫、水晶宫等识别结果，均为场所设施名。如广州市第二少年宫、劳动人民文化宫等。

⑥城——以“城”结尾的中心词，在识别结果中有商城、娱乐城、商业城、美食城、服装城等，一般都是同类经营单位的集中贸易区，如中关村科贸电子商城、杭州白马服装城等，多为地名。但现实中也偶尔存在以娱乐城、美食城等命名的组织机构名称，这一问题涉及组织机构名称的规范化问题。

⑦府——准确说来，府是组织机构名称中心词语素。识别结果中只出现这三种以“府”结尾的组织机构名称：总统府、总理府、政府。其中前两类如土耳其总统府、坦桑尼亚总理府等为设施名，北京市人民政府、伊拉克政府等为组织机构名称。

⑧国——除“联合国”外，均表示地理政治实体。如欧盟轮值主席国、阿联酋沙迦酋长国、美利坚合众国等。

⑨山庄——如承德避暑山庄、昌平区御汤泉度假山庄。而“饭庄”“茶庄”等是仿古组织机构名称中心词。

⑩港——识别结果包括浦东国际航空港以及北京商业信息港等。前者是地名中心词，后者借用了“港”来表示一个城市的网络系统。

（2）事件类名词中心词。

它们指称的全部为事件类名词。(www.xing528.com)

①赛——如世界青年田径锦标赛、2004巴达拉力赛等。

②会议——如亚欧经济部长会议、亚太经合组织运输部长会议等。

（3）普通名词。

①基金。基金是兴办、维持或发展某种事业而储备的资金或专门拨款。识别结果中的“基金”均为投资理财产品或慈善、保障性质的资金，如华夏债券基金、社保基金。总体考虑，统一将“基金”作为普通名词，不捆绑为组织机构名称为好。

②武装力量。武装力量是国家的正规军队及其他武装组织的总称。

③总指挥。总指挥是职衔名词。如：伊拉克战争总指挥、中国载人航天工程总指挥等。当“总指挥+人名”时，识别系统将“总指挥”标记为组织机构名称。可见，这类错误都是组织机构名称后接成分规则学习过度的结果。

④赛场。显然，赛场是比赛所用的场地，因此是地名。如2006年足球世界杯决赛赛场。

⑤企业。企业是一个总称，以企业为中心词的名词短语都不是一个具体的企业名称，而是对某个或某类企业的说明。如大连中韩合资企业、中国汽车合资企业等。

⑥煤炭。根据上下文分析，将“～煤炭”识别为组织机构名称，没有任何的依据可言。如北京矿务局三河煤矿京煤煤炭、东胜煤田煤炭等。但这一类识别结果规模不小，所以将其特别列出来。

（4）术语中心词。

组织机构名称总表中，以“学”为中心词的只有“大学”“中学”“小学”三种组织机构名称中心词。其余为学科类名词中心词，且全部是“教育学”。识别结果如下：

A.华东师范大学教育学/ORG/教授/n叶/APER澜/APER建议/v……

B.北京师范大学儿童教育学/ORG博士/n陈/APER苗苗/APER指出/v……

C.作者/为/华东师范大学教育学ORG/系/v副教授/n

这种识别错误，表面上是将“学”作为组织机构名称中心词。实质上，A、B是组织机构名称统计模型中规则“ORG+职衔+人名+动词”的应用。C是动词“系”统计模型“系+n”的应用。将“教育学”识别为组织机构名称，错误类型类似于“总指挥”，都是统计规则中后接成分规则学习过度的结果。