原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种将启发式规则和HMM相结合的web信息抽取方法.pdf
第二十届伞国计算机信息管理学术研讨会
一种将启发式规则和HMM相结合的web信息抽取方法
北京信息科技大学中文信息处理研究中心伍丹都云程李渝勤王弘蔚
(北京信息科技大学中文信息处理研究中心，北京，100101)
【摘要1目前web已经成为人们获取信息的主要来源，如何从web上抽取信息成为了信息抽取领
域研究的热点。由于web文档是基于html语言的半结构化文档，不具备很强的统计学规律故而很难
将传统的文本抽取领域中的HMM抽取模型应用在web信息抽取中。本文的思想是将基于HMM模型的
统计学抽取方法应用到学术期刊网站文章信息的元数据抽取这类特定条件下的web信息的抽取中，
提出了一种将基于html的启发式规则与基于HMM的统计规律相结合的信息抽取方法，该方法运用启
发式规则对待抽取的信息进行语义域的划分，并在语义域的W_k建立HiM模型进行信息抽取，实
验结果表明，新方法在准确率和招回率上都有所提高。
【关键词】HMM，启发式规则，定界符，web信息抽取
An ofolwebwebinformationinIormatiOnextractiOnex OnDasebased0n
approach
HellristiCSscitsirandandUeHHH1N‘I‘71M‘‘7
WuDan，Du
Yuncheng，LiYuqing，WangHongwci
InformationResearchCenter， InformationScience
(Chinese Processing Beijing
10010
＆TechnologyUniversity，Beijiing1)
Withthe ofIntemet，Webhasbecomea resourceofinformation，
[Abstractlrapiddevelopment huge
howtoextractinformationfromwebdocumenthasbecomeahotresearch thereislittle
topic．Because
statisticalrulesinsemistructuredwebdocuments，
extractionintotheweb
we to theHMMwhichhasbeen usedintextinformation
hardly successfully
apply
in extraction，for
informationextraction．Inthis weusetheHMM webinformation
paper， special
for documentsand a new whichbasedon
metadataextraction describe
example， journal approach
HMMfor makeUSeoftheheuristicsto theinformationinto
heuristicsand extraction．The
a
文档评论（0）