簡歷及軟件需求信息抽取方法研究.pdf

1、自由文本中有著這樣一類信息,它們在內(nèi)容上是以非結(jié)構(gòu)化方式存儲,但是在本質(zhì)上是遵循著一定的標準,具有結(jié)構(gòu)可分析性。像簡歷,病歷和滿足一定書寫標準的需求文檔等。本文針對簡歷信息抽取和軟件產(chǎn)品線功能需求信息抽取領(lǐng)域,提出了一個基于本體的信息抽取框架。本體的概念分為實體概念和事件概念,并且定義了這些概念之間可能存在的關(guān)系。在信息抽取過程中利用了本體中的實體概念、事件概念,概念間的關(guān)系和實例。本體的引入保證了結(jié)構(gòu)的一致性,使來源不同的數(shù)據(jù)都能以統(tǒng)

2、一的視圖呈現(xiàn),使得信息抽取結(jié)果更加準確。在簡歷信息抽取領(lǐng)域,通過對大量簡歷文本的分析,概括出了一個簡歷信息的本體模型,本體模型中包括了相關(guān)的實體概念,并且將簡歷中的教育經(jīng)歷、工作經(jīng)歷和獲獎經(jīng)歷作為事件概念,設(shè)計了概念之間的關(guān)系。在信息抽取實現(xiàn)中,在文本預(yù)處理階段,利用概念實例的名稱提高中文分詞的準確性;在實體信息抽取階段,利用本體中的實體概念和概念關(guān)系,編寫抽取規(guī)則,抽取出實體概念;在此基礎(chǔ)上,結(jié)合本體中的事件概念及事件與其構(gòu)成要素之間

3、的關(guān)系,利用已經(jīng)抽取出來的實體信息,識別出文本中的事件信息,抽取出事件概念。在軟件產(chǎn)品線功能需求抽取領(lǐng)域,針對符合IEEE-STD-830標準的需求文檔,根據(jù)軟件產(chǎn)品線需求分析中不同于一般需求分析的特點,提出了一個能體現(xiàn)出需求可變性的EFRF模型。每個功能就是一個可變點,每個可變點中又分析概括出了10個語義case。創(chuàng)建了EFRF本體,將10個語義case和體現(xiàn)不同需求描述的分隔符等信息作為實體概念,事件概念對應(yīng)可變點,由相應(yīng)的實體概念