基于條件隨機(jī)域的Web信息抽取研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩84頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)資源的迅速增長(zhǎng),僅僅依靠瀏覽器以及基于關(guān)鍵字檢索查詢的搜索引擎,已遠(yuǎn)不能滿足互聯(lián)網(wǎng)用戶的信息需求,Web信息抽取應(yīng)運(yùn)而生。本文以條件隨機(jī)域模型為主要研究?jī)?nèi)容,研究了結(jié)構(gòu)新穎的條件隨機(jī)域模型,選擇了一種適合Web信息抽取的條件隨機(jī)域,提出了基于該模型的Web信息抽取系統(tǒng)。本文的工作和特點(diǎn)如下:
  鑒于目前國(guó)內(nèi)對(duì)線性鏈?zhǔn)綏l件隨機(jī)域這一簡(jiǎn)單模型研究和應(yīng)用得比較多,但是對(duì)結(jié)構(gòu)復(fù)雜,能對(duì)數(shù)據(jù)更好建模的條件隨機(jī)域模型研究得很少,本

2、文在前人的基礎(chǔ)上研究了兩類結(jié)構(gòu)新穎的條件隨機(jī)域模型,對(duì)這些模型的數(shù)學(xué)表達(dá)式、算法進(jìn)行了系統(tǒng)的研究,為下一步工作打下了堅(jiān)實(shí)的理論基礎(chǔ)。
  CRF模型相比HMM,可以加入遠(yuǎn)距離、重疊性等特征。雖然CRF模型在國(guó)內(nèi)已得到廣泛應(yīng)用,但所研究的模型多是基于馬爾可夫假設(shè)的線性鏈模型,該模型不能夠表達(dá)節(jié)點(diǎn)間的長(zhǎng)距離依賴關(guān)系,所以很少有對(duì)在模型中加入長(zhǎng)距離特征的研究。本文對(duì)這個(gè)問題進(jìn)行了專門研究,提出了長(zhǎng)距離依賴條件隨機(jī)域模型,并基于該模型進(jìn)行

3、了 Web 文本信息抽取實(shí)驗(yàn),結(jié)果表明長(zhǎng)距離特征確實(shí)對(duì)提高模型的抽取性能有很大幫助。
  近年來,利用統(tǒng)計(jì)模型進(jìn)行Web信息抽取的研究越來越多,但大部分抽取系統(tǒng)存在共同的缺陷:一方面可擴(kuò)展性較差,特征函數(shù)都內(nèi)置在源代碼中,對(duì)于有不同需求的抽取者來說,幾乎不能定制自己的特征函數(shù);另一方面為了獲得較好的抽取性能,模型需要大量的訓(xùn)練頁(yè)面,而標(biāo)記訓(xùn)練頁(yè)面是非常耗時(shí)耗力的。本文結(jié)合XML技術(shù)的可擴(kuò)展性和方便交流性,提出了XML條件隨機(jī)域模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論