基于文本分块的多模板隐马尔可夫模型的文本信息抽取.pdfVIP

第41卷第3期 山东大学学报(理学版) 2006年6月 v01．4lNo．3 JoI碾NALOFSH刖、iDONGUNIvERSnTY Jun．2006 文章■号：1671．9352(2006)03-0021-04 基于文本分块的多模板隐马尔可夫模型的 文本信息抽取 王 雷1’2，陈治平1’2，李志成3 (1．福建工程学院计算机与信息科学系，福建福州350014；2．漉华大学计算机与信息科学系，北京100084； 3．创智信息技术有限公司。湖南长沙410007) 摘要：针对文本信息抽取中训练数据来源的多样化，不利于学习到最优的模型参数的问题，提出了一种基于多模 板隐马尔可夫模型的文本信息抽取算法．新算法利用文本排版格式、分隔符等信息，对文本进行分块，在此基础 上，通过对训练数据分成多个形式模板训练隐马尔可夫初始概率及转移概率参数，最后，结合统一训练的释放概 率参数，对文本信息进行抽取．实验结果表明，新算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好 的性能． 关键词：文本信息抽取；隐马尔可夫模型；多模板；文本分块 中圈分类号：TPl81 文献标识码：A textblocksbased on hiddenmarkov Using multipletemplates modelfortextinformation extraction WANG andu Leil’2，CHEN Zhi-pin91’2Zhi．chel留 of of (1．DepamnentComputer＆InformationScience，FujianUniversityTechnology，Fuzhou 350014，州ian，China； of 2．DepartmentComputerScience＆Technology，Tsinghua100084，China； University，Beijing Information 3．Ch,卿hi TechnologyCo．圳，C11嘲妇410007，Hunan，China) Abstract：Sincevaried data80urc∞a弛notforthe a training profitable noveltextin- learningof唧洲modelparameters，then formationextraction basedonMdnMarkovmodelwith is makea usedtheinfor- algorithm mulfipletempl