2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、半結(jié)構(gòu)化文本是一類面向具體領(lǐng)域的應(yīng)用型文本,具有很強的領(lǐng)域特征。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,以Web文檔形式呈現(xiàn)的半結(jié)構(gòu)化文本應(yīng)用越來越廣泛,從半結(jié)構(gòu)化文本中抽取結(jié)構(gòu)化信息具有十分可觀的應(yīng)用前景。
  現(xiàn)有的Web信息抽取方法一般只能從以Web文檔形式呈現(xiàn)的半結(jié)構(gòu)化文本中抽取出信息元(即粗粒度抽取結(jié)果),而并不能有效地從信息元的信息項中抽取出粒度較小的結(jié)構(gòu)化信息。現(xiàn)有的語義分析方法依托語料庫的支持,能夠取得較為理想的結(jié)構(gòu)化結(jié)果;但是對于

2、開放環(huán)境中的文本,語義分析方法并不能有效獲取結(jié)構(gòu)化信息。
  文章提出一種基于模式匹配的結(jié)構(gòu)化信息抽取方法,對開放環(huán)境中半結(jié)構(gòu)化文本的粗粒度抽取結(jié)果進行二次抽取,提取出包含一定語義含義的結(jié)構(gòu)化信息。文章主要工作如下:
  (1)對粗粒度抽取結(jié)果進行領(lǐng)域識別。領(lǐng)域識別的過程實質(zhì)上是一個文本分類的過程,文章采用SVM分類器實現(xiàn)領(lǐng)域識別。以概念替代普通詞語作為特征項構(gòu)建文本向量,并根據(jù)概念權(quán)重優(yōu)化文本向量權(quán)重分配,以達到最佳識別效

3、果。文章引入領(lǐng)域詞庫,根據(jù)領(lǐng)域識別結(jié)果加載相應(yīng)領(lǐng)域詞庫,保證結(jié)構(gòu)化信息抽取階段對詞語做正確的切分。
  (2)提出一種抽取模式的定義方式,采用XML方式描述模式庫。在傳統(tǒng)模式關(guān)鍵詞和目標(biāo)詞基礎(chǔ)上引入屬性角色,使得各個目標(biāo)詞之間具有一定的語義含義。抽取模式中引入邊界控制機制,提高模式覆蓋準(zhǔn)確度。抽取模式中引入關(guān)鍵詞的同義詞,增強模式的同義擴展能力。
  (3)采用基于關(guān)鍵詞和詞語詞性的模式匹配方法,實現(xiàn)結(jié)構(gòu)化信息抽取。提出一種

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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論