基于條件隨機場的科研論文信息分層抽取研究.pdf

1、面對信息爆炸而產(chǎn)生的海量文本信息，如何更快速、準確地從中獲取需要的信息，是人們普遍關(guān)注的問題。文本信息抽取的研究工作，便是在這種需求背景下產(chǎn)生的，旨在提供從海量聯(lián)機文本信息中快速、準確獲取有用信息的工具和方法。
　　 通過抽取科研論文信息，不僅可以有效地組織和管理這些論文，提高用戶檢索論文的效率，而且還能夠進行大量的統(tǒng)計工作。如論文主題分析及相關(guān)論文統(tǒng)計，對期刊、科研單位、某篇論文或某個學者進行引用分析以及發(fā)現(xiàn)研究熱點和研究趨勢

2、等，所以從科研論文中自動抽取信息有著重要的研究價值。
　　 當前，基于統(tǒng)計學習的文本信息抽取方法，是一種相對比較新的文本信息抽取模型，取得了很好的效果，被認為有著很好的應(yīng)用價值，其中，基于條件隨機場模型的科研論文信息抽取方法，更是受到了相當?shù)年P(guān)注。
　　 在全面分析各種文本信息抽取方法的基礎(chǔ)上，重點研究了利用條件隨機場對科研論文信息進行抽取，發(fā)現(xiàn)其中傳統(tǒng)的單純基于詞或基于塊的抽取方法存在著以下不足：①把抽取的文本對象固定

3、為單詞，或者固定為文本塊，無法根據(jù)抽取對象的不同情況，在恰當粒度上靈活地進行切分和抽??；②在抽取的過程中，不能夠充分地利用文本所包含的完整的特征信息，以及文本中豐富的上下文信息。這種不足，在處理復(fù)合抽取域文本和大信息量的抽取域文本時，表現(xiàn)得尤為明顯。
　　 因此，在研究國內(nèi)外相關(guān)學者的研究成果的基礎(chǔ)上，提出了一種基于條件隨機場的科研論文信息分層抽取方法。首先，根據(jù)版面格式信息，把開頭不為空格的行，與其前面的一個文本行，合并成一個