基于HMM與WNN混合模型的Web信息抽取研究.pdf

1、本文提出一種將隱馬爾科夫模型(HMM)和小波神經(jīng)網(wǎng)絡(luò)(WNN)相結(jié)合的混合模型應(yīng)用于信息抽取?；旌夏Ｐ褪紫葘⒕W(wǎng)頁節(jié)點(diǎn)特征化，并依據(jù)網(wǎng)頁內(nèi)容建立不同的HMM，之后通過WNN選取相應(yīng)HMM用于信息抽取。HMM無法準(zhǔn)確抽取的重要信息，利用WNN做輔助判別。實(shí)驗(yàn)證明，該混合模型可以提高Web信息抽取的精準(zhǔn)度。
　　本研究主要內(nèi)容包括：⑴對Web頁面進(jìn)行解析。解析頁面的同時(shí)利用正則表達(dá)式技術(shù)，將Web節(jié)點(diǎn)特征化。特征化節(jié)點(diǎn)這一步驟需要根據(jù)

2、Web大體環(huán)境，及待抽取信息的特點(diǎn)設(shè)計(jì)一組正則表達(dá)式及一套特征化方案。特征化之后，所有 Web頁面都可以映射成一組特征值序列流，作為混合模型的輸入。⑵建立小波網(wǎng)絡(luò)模型。本文將建立三種小波網(wǎng)絡(luò)模型，在文中將會被分別稱為WNN1，WNN2，WNN3。WNN1用于計(jì)算HMM的觀察概率密度，WNN2用于從建立的HMM集合中選取一個(gè)具體的HMM應(yīng)用于待抽取信息的網(wǎng)頁塊，WNN3用于在HMM不能很好的抽取時(shí)，直接從網(wǎng)頁塊中抽取信息。⑶建立隱馬爾科夫