信息抽取(Information - Slide 1知识分享.pptVIP

6.中文信息抽取系统的开发 初步解决中文信息抽取 6.中文信息抽取系统的开发 三个中文信息抽取的主要问题 Chinese tokenizing Chinese gazetteers Chinese named entity recognition 相应的处理方案 中文信息抽取 Chi Tokenizing Chi IE Chi Gazetteer 应用实验 应用实例 Chi Rules 用Java的JNI调用计算所ICTCLAS实现分词和词性标注。 通过网上免费语料或自己制作获得。（目前已有英文词表95个；中文词表74个） 重新构造中文IE的JAPE规则。 和现有信息系统结合，比如RSS信息聚合系统。 基于GATE的英文、中文信息抽取，开发Chinese Annie组件。 中文预处理 中文分词与词性标注 利用了ICTCLAS的研究（C++）成果 词性标注算法：HMM（马尔可夫隐码模型） 分词算法：图的N阶最短路径问题算法 源码结构： Utility?????????? 共用函数模块 Unknown??????未登录词识别模块 Tag????????????? HMM标注模块 Segment???????词语切分模块 Result??????????结果生成模块 Data????????????概率数据文件 res????????????? Windows界面