中文信息抽取關(guān)鍵技術(shù)及應(yīng)用研究.pdf

1、信息技術(shù)的迅猛發(fā)展，特別是互聯(lián)網(wǎng)技術(shù)的普及應(yīng)用，使得越來越多的信息出現(xiàn)在人們面前。如何從中及時(shí)準(zhǔn)確地找到自己需要的信息是一個(gè)急待解決的問題。信息抽取正是在這樣的背景下產(chǎn)生并發(fā)展起來的。
　　 本文首先采用基于規(guī)則的方法設(shè)計(jì)并實(shí)現(xiàn)了面向電子政務(wù)領(lǐng)域的信息抽取試驗(yàn)系統(tǒng)，并在空氣質(zhì)量月報(bào)和天氣預(yù)報(bào)兩個(gè)領(lǐng)域?qū)υ撓到y(tǒng)進(jìn)行了測(cè)試，達(dá)到了較高的準(zhǔn)確率與召回率。
　　 其次，本文針對(duì)信息抽取關(guān)鍵技術(shù)——命名實(shí)體識(shí)別技術(shù)做了深入研究，分別

2、對(duì)命名實(shí)體識(shí)別的兩種實(shí)現(xiàn)方式做了探討。基于規(guī)則和基于統(tǒng)計(jì)的兩種命名實(shí)體識(shí)別方式各有長短：前者較高的準(zhǔn)確性，但健壯性和移植性較差，后者具有較好的健壯性和移植性，但準(zhǔn)確性一般。本文首先對(duì)空氣質(zhì)量月報(bào)系統(tǒng)中的基于規(guī)則的命名實(shí)體識(shí)別模塊進(jìn)行了測(cè)試；接著，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于CRFs的術(shù)語自動(dòng)識(shí)別系統(tǒng)。實(shí)驗(yàn)測(cè)試結(jié)果印證了兩種方式的優(yōu)缺點(diǎn)。
　　 然后，本文介紹了信息抽取技術(shù)的具體應(yīng)用——智能網(wǎng)頁文本處理系統(tǒng)（DOCProcessor）。首