異構(gòu)信息源的領(lǐng)域人物信息抽取研究.pdf

1、隨著互聯(lián)網(wǎng)的社會的各個方面的滲透，個人信息越來越多地出現(xiàn)在網(wǎng)上。人物搜索引擎作為互聯(lián)網(wǎng)技術(shù)的一部分，近幾年剛剛興起，而針對某一特定領(lǐng)域的人物搜索也是一項(xiàng)新生事物，對其研究還不成熟。目前高校教師的教學(xué)水平和研究水平越來越受到關(guān)注，高校教師的信息搜索需求也越來越大，本文以高校計算機(jī)專業(yè)的教師的信息抽取為應(yīng)用背景，對異構(gòu)信息源的領(lǐng)域人物信息抽取進(jìn)行研究，并實(shí)現(xiàn)了一個高校計算機(jī)專業(yè)的教師人物志系統(tǒng)。本文重點(diǎn)對以下問題進(jìn)行了研究：
　　首先

2、，本文采用基于主題爬蟲的方法來獲取人物信息網(wǎng)頁和從搜索引擎返回的結(jié)果網(wǎng)頁中識別出包含人物信息的網(wǎng)頁兩種方式來獲取數(shù)據(jù)源，將該網(wǎng)頁識別問題看作一個網(wǎng)頁分類問題，根據(jù)網(wǎng)頁的結(jié)構(gòu)特征和網(wǎng)頁的內(nèi)容特征提取網(wǎng)頁的特征，運(yùn)用SVM模型進(jìn)行分類。為了提高分類的時間效率，提出了兩種特征選擇方法，即特征項(xiàng)對類的貢獻(xiàn)度以及SVM訓(xùn)練權(quán)重的特征選擇方法。
　　其次，根據(jù)包含人物信息網(wǎng)頁的特點(diǎn)，本文對包含人物信息的網(wǎng)頁進(jìn)行分類。在分類方法上，結(jié)合網(wǎng)頁的結(jié)

3、構(gòu)特征和內(nèi)容特征，提出了基于規(guī)則與機(jī)器學(xué)習(xí)相結(jié)合的方法進(jìn)行網(wǎng)頁分類。在處理多記錄網(wǎng)頁的分類上，本文采用了基于HTML標(biāo)簽密度與基于內(nèi)容的分類方法。在處理單記錄網(wǎng)頁的分類上，基于網(wǎng)頁結(jié)構(gòu)進(jìn)行特征提取，并使用了SVM模型設(shè)計分類器，實(shí)驗(yàn)結(jié)果顯示基于規(guī)則與基于網(wǎng)頁結(jié)構(gòu)特征的分類器取得了比較好的效果。
　　第三，本文在對包含人物信息的網(wǎng)頁進(jìn)行分類的基礎(chǔ)上，提出了基于規(guī)則的人物屬性抽取方法。首先構(gòu)造領(lǐng)域人物信息抽取的觸發(fā)詞庫，同時根據(jù)領(lǐng)域人