基于混合遺傳退火算法的web信息抽取方法研究與實(shí)現(xiàn).pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，人們?cè)絹碓揭蕾囉诰W(wǎng)絡(luò)獲取信息。Web作為海量信息的來源，是一個(gè)巨大的數(shù)據(jù)庫，包含著各種各樣有價(jià)值的信息。如何從這些web源中抽取出潛在的、有用的信息是一個(gè)非常令人關(guān)注的研究方向。Web信息抽取是使用數(shù)據(jù)挖掘技術(shù)自動(dòng)地從Web文檔和服務(wù)中發(fā)現(xiàn)和提取信息和知識(shí)的技術(shù)，是在網(wǎng)絡(luò)信息處理過程中加速查找速度和提高查找準(zhǔn)確率的重要手段之一。本文介紹了web信息抽取技術(shù)的基本知識(shí)，以及web信息抽取的國(guó)內(nèi)外研究現(xiàn)狀。然后說明了

2、利用隱馬爾可夫模型(Hidden Markov Model，HMM)來進(jìn)行web信息的抽取的過程。首先，本文介紹了HMM的構(gòu)建和它的典型算法，然后用HMM對(duì)已標(biāo)記的訓(xùn)練集進(jìn)行論文頭部特定信息的抽取。而對(duì)于未標(biāo)記訓(xùn)練的數(shù)據(jù)集，因?yàn)镠MM對(duì)初始參數(shù)的敏感，引入遺傳算法(Genetic Algorithm，GA)對(duì)其優(yōu)化。
　　由于GA容易過早收斂，本文引入另一種優(yōu)化算法—模擬退火算法(Simulated Annealing Algor

3、ithm，SA)與HMM結(jié)合，找出最優(yōu)HMM的初始參數(shù)，給出了基于SA-HMM的web信息抽取的整體框架，然后比較GA和SA這兩個(gè)優(yōu)化算法的實(shí)驗(yàn)效果。為減少兩種方法存在的問題對(duì)識(shí)別過程的影響和克服兩種優(yōu)化算法本身的缺陷，利用混合遺傳退火算法(hybrid genetic/simulated annealing algorithm，HGSA)尋找HMM初始參數(shù)的全局最優(yōu)解的，提高了系統(tǒng)的效率。通過對(duì)實(shí)驗(yàn)結(jié)果的分析比較，證明基于GA-HMM