基于规则的海事自由文本信息抽取方法研究.pdfVIP

交通信息与安全 年 期 第 卷 总 期 ４０ ２０１７ ２ ３５ ２０ 基于规则的海事自由文本信息抽取方法研究∗ , , , 余 晨１ 毛 喆１ ▲ 高 嵩１ (武汉理工大学智能交通系统研究中心 武汉 ; ． ４３００３ 武汉理工大学国家水运安全工程技术研究中心 武汉 ) ２． ４３００３ . , 摘 要 海事数据的结构化处理是海事安全研究的一个重要步骤 目前 网络上存在着大量的海事 , , , 相关信息 但多为不同格式的非结构化文档数据 可以采用一种基于规则的海事信息抽取方法 将海 . , 事自由文本转化为结构化的数据 通过网络爬虫从海事相关网页中得到待抽取文本数据 根据得到 、 、 , 的文本信息定义抽取任务为时间 地点 船名和事故类型 个数据项 再根据抽取任务本身及其常见 ４ , ; , 触发词构建自定义海事词库 用于自由文本的分词和词性标注 通过对大量事故语料的分析总结 编 , . , 制抽取规则进行海事信息的抽取 形成结构化的海事数据 以长江海事局网站的事故详情为数据源 . , ,召回率为 采用基于规则的抽取方法进行实验 实验结果表明 时间信息抽取的准确率为 ００％ ; , ; , ９％ 地点信息抽取的准确率为９４．５２％ 召回率为 ９％ 船名信息抽取的准确率为９７．７５％ 召回率为 ; , . ８％ 事故类型信息抽取的准确率为 ９．７％ 召回率为 ８７％ ; ; ; 关键词 信息抽取 海事自由文本 自定义词库 抽取规则 中图分类号: 文献标志码: : / U９２．４ A doi ０．３９３ ．ss．７４Ｇ４８ ．２０７．０２．００７ j AnA roachofExtractin InformationforMaritimeUnstructured pp g TextBasedonRules ,