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56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),請進行舉報或認領(lǐng)

文檔簡介

1、隨著計算機的快速普及和Internet技術(shù)的迅猛發(fā)展,網(wǎng)絡(luò)上的各種信息呈現(xiàn)指數(shù)級的增長,Web已經(jīng)成為一個巨大的信息資源庫,從海量數(shù)據(jù)中快速、高效地獲取用戶需要的信息成為了一種挑戰(zhàn)。信息抽取旨在從無結(jié)構(gòu)或半結(jié)構(gòu)的Web文本中識別出用戶感興趣的數(shù)據(jù),并將其轉(zhuǎn)化為結(jié)構(gòu)良好、語義清晰的格式,以方便快速、準確地獲取關(guān)鍵信息。命名實體提取作為信息抽取的子任務(wù)和關(guān)鍵技術(shù)之一,已引起了國內(nèi)外學者的廣泛關(guān)注。
  針對傳統(tǒng)的命名實體提取方法需要對

2、訓練集進行一定規(guī)模的人工標注,且所處理的基本上是新聞文本,包含的命名實體類別較少,算法的復雜度較高這一問題,本文提出兩個新的網(wǎng)頁命名實體提取算法,探索最大程度地避免人工干預且高效、準確的命名實體提取方案,提高命名實體提取的自動化程度,增強可移植性。主要工作如下:
  (1)通過分析實驗數(shù)據(jù)集中個人網(wǎng)頁的URL特征發(fā)現(xiàn),同類別個人網(wǎng)頁的URL會具有一些共同的基本特征,由此,本文將這些基本特征和每類網(wǎng)頁特有的特征結(jié)合,構(gòu)建出一個自動識

3、別個人網(wǎng)頁的分類器。
  (2)提出一個針對人名的命名實體提取方法,該算法是基于鏈接路徑搜索的相關(guān)概念提出的,利用將錨文本和網(wǎng)頁標題結(jié)合的機制進行求解,不僅避免了僅考慮鄰近鏈接對網(wǎng)頁信息概括的不足,而且能夠高效、自動地提取人名命名實體,經(jīng)過在選取的25個網(wǎng)站的個人網(wǎng)頁上進行實驗,平均正確率達到了86.11%。
  (3)Email命名實體提取算法采用“HttpClient”和“正則表達式”相結(jié)合的技術(shù)來實現(xiàn),通過對實驗結(jié)果統(tǒng)

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。
  • 6. 下載文件中如有侵權(quán)或不適當內(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