面向自由文本的信息抽取方法研究.pdf_第1頁
已閱讀1頁,還剩47頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網的廣泛應用以及各種辦公系統(tǒng)的無紙化,各種電子形式的文本文檔正以指數級的速度迅速增長,如何從這些海量的文本文檔中快速有效的找到有用的信息,成為信息檢索領域的重要研究方向。信息抽取正是一個有效的解決方法,是具有較高實用價值的關鍵技術,因此它成為自然語言處理的一個重要研究問題。目前,在中文信息抽取已有的研究中,大多數都是集中在基于分詞和文本分塊的研究上,面向的對象也多為結構化和半結構化的文本。
   針對上述研究存在的不足,

2、本文以自由文本為研究對象,通過對大量文本的觀察、分析和總結,確定關鍵句在文本中的特征以及與文本中非關鍵句之間的關系。本文提出一種面向自由文本的關鍵句抽取算法,該算法運用語義在自然語言處理中的優(yōu)勢對文本進行句子的語義相似度計算,再結合文本分析中總結的關鍵句特征,實現(xiàn)對自由文本的關鍵句抽取。本算法對于主題比較鮮明的文本文檔可以達到較好的抽取效果。在此基礎之上,本文還研究了對非結構化的句子或者標題句的抽取算法,該算法在運用依存分析對句子進行淺

3、層句法分析的基礎上制定相應規(guī)則,形成輸入序列,再結合HMM易于建立、適應性好、抽取精度較高的優(yōu)勢,實現(xiàn)自由文本的信息抽取。實驗表明,新的算法在召回率、準確率和正確率指標上均有良好的性能,這說明了算法的有效性,同時該算法減少了轉移狀態(tài),從而使抽取的效率也能獲得提高。
   本文在研究中,靈活運用依存分析在淺層句法分析中的優(yōu)勢以及語義的相關計算在句子相似度計算中更高的準確度,為信息抽取工作打開了新思路,因此本文的研究具有一定的理論和

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論