基于HMM與WNN混合模型的Web信息抽取研究.pdf

1、本文提出一種將隱馬爾科夫模型(HMM)和小波神經(jīng)網(wǎng)絡(luò)(WNN)相結(jié)合的混合模型應用于信息抽取?；旌夏Ｐ褪紫葘⒕W(wǎng)頁節(jié)點特征化，并依據(jù)網(wǎng)頁內(nèi)容建立不同的HMM，之后通過WNN選取相應HMM用于信息抽取。HMM無法準確抽取的重要信息，利用WNN做輔助判別。實驗證明，該混合模型可以提高Web信息抽取的精準度。
　　本研究主要內(nèi)容包括：⑴對Web頁面進行解析。解析頁面的同時利用正則表達式技術(shù)，將Web節(jié)點特征化。特征化節(jié)點這一步驟需要根據(jù)

2、Web大體環(huán)境，及待抽取信息的特點設(shè)計一組正則表達式及一套特征化方案。特征化之后，所有 Web頁面都可以映射成一組特征值序列流，作為混合模型的輸入。⑵建立小波網(wǎng)絡(luò)模型。本文將建立三種小波網(wǎng)絡(luò)模型，在文中將會被分別稱為WNN1，WNN2，WNN3。WNN1用于計算HMM的觀察概率密度，WNN2用于從建立的HMM集合中選取一個具體的HMM應用于待抽取信息的網(wǎng)頁塊，WNN3用于在HMM不能很好的抽取時，直接從網(wǎng)頁塊中抽取信息。⑶建立隱馬爾科夫