隱馬爾可夫模型在信息抽取中的應(yīng)用研究.pdf

1、我國目前的汽車市場雖然一派繁榮，但隨著各大汽車廠商之間的競爭日趨激烈，單車車價不斷下跌，新車整體銷售利潤也呈明顯下滑的趨勢，因而各大汽車廠商以及一些汽車服務(wù)廠商更加注重汽車的相關(guān)服務(wù)，特別是開發(fā)和改進目前較為落后的在線汽車服務(wù)領(lǐng)域中的相關(guān)技術(shù)，而諸如自動為用戶提供更多更專業(yè)的購車信息和汽車相關(guān)知識等一些高級功能，都涉及到信息抽取技術(shù)的應(yīng)用，于是如何更好的改進和應(yīng)用信息抽取技術(shù)便成為本文討論的出發(fā)點和重點。 本文研究的課題是當(dāng)前尚

2、不成熟的網(wǎng)上汽車服務(wù)系統(tǒng)，在系統(tǒng)組成上包括一個汽車服務(wù)網(wǎng)站作為與用戶進行交互的前臺、一個經(jīng)過定制的網(wǎng)絡(luò)爬蟲程序和一個信息抽取模型從經(jīng)過預(yù)處理的文本中抽取有價值的信息，提供給終端用戶。本文研究的重點是應(yīng)用于信息抽取領(lǐng)域的隱馬爾可夫模型，首先簡介了隱馬爾可夫模型的構(gòu)成和主要的學(xué)習(xí)算法，包括前向一后向?qū)W習(xí)算法、Baum-Welch算法和Viterbi算法，在理論上通過對隱馬爾可夫模型的兩個前提假設(shè)進行擴展，得出了不僅考慮系統(tǒng)當(dāng)前狀態(tài)，而且考慮

3、之前一個狀態(tài)的二階隱馬爾可夫模型，并推演出擴展模型的三個主要算法，這樣可以整體提高模型的學(xué)習(xí)能力和信息提取的準(zhǔn)確度。 本文使用DWR+Tomcat架構(gòu)建設(shè)了一個汽車服務(wù)網(wǎng)站原型，首先介紹了其背景和總體功能結(jié)構(gòu)，然后重點研究了信息抽取模塊的功能需求和設(shè)計方案。在將隱馬爾可夫模型實際應(yīng)用于該模塊的過程中，考慮到的改進主要有以下四個方面：對未知觀測值的平滑處理及其改進、對符號串進行聚類、對特殊狀態(tài)進行橫向和縱向合并以及在隱馬爾可夫模型