计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2011年
5期
115-117
,共3页
信息抽取%隐马尔可夫模型%BP网络
信息抽取%隱馬爾可伕模型%BP網絡
신식추취%은마이가부모형%BP망락
作为自然语言处理的一个分支,文本信息抽取成为了提取大量文本信息中有用信息的重要手段.介绍了目前在信息抽取领域中应用广泛的两种技术方法:HMM和BP网络模型,分析了各自的优缺点,并在此基础上提出了一种基于两者的混合模型,该混合模型通过BP网络优秀的分类甄别能力来弥补HMM在分类方面的不足,而通过HMM强大的时域建模能力来弥补BP网络建模能力弱的问题,因此该模型具有强大的建模能力、分类性以及适应性强等特点.实验证明,相比传统的HMM以及BP网络模型,该混和模型在精确度和召回率上有了10%～15%的提高.
作為自然語言處理的一箇分支,文本信息抽取成為瞭提取大量文本信息中有用信息的重要手段.介紹瞭目前在信息抽取領域中應用廣汎的兩種技術方法:HMM和BP網絡模型,分析瞭各自的優缺點,併在此基礎上提齣瞭一種基于兩者的混閤模型,該混閤模型通過BP網絡優秀的分類甄彆能力來瀰補HMM在分類方麵的不足,而通過HMM彊大的時域建模能力來瀰補BP網絡建模能力弱的問題,因此該模型具有彊大的建模能力、分類性以及適應性彊等特點.實驗證明,相比傳統的HMM以及BP網絡模型,該混和模型在精確度和召迴率上有瞭10%～15%的提高.
작위자연어언처리적일개분지,문본신식추취성위료제취대량문본신식중유용신식적중요수단.개소료목전재신식추취영역중응용엄범적량충기술방법:HMM화BP망락모형,분석료각자적우결점,병재차기출상제출료일충기우량자적혼합모형,해혼합모형통과BP망락우수적분류견별능력래미보HMM재분류방면적불족,이통과HMM강대적시역건모능력래미보BP망락건모능력약적문제,인차해모형구유강대적건모능력、분류성이급괄응성강등특점.실험증명,상비전통적HMM이급BP망락모형,해혼화모형재정학도화소회솔상유료10%～15%적제고.
