计算机应用与软件
計算機應用與軟件
계산궤응용여연건
Computer Applications and Software
2015年
11期
281-284,292
,共5页
信息抽取%支持向量机%隐马尔可夫模型%机器学习
信息抽取%支持嚮量機%隱馬爾可伕模型%機器學習
신식추취%지지향량궤%은마이가부모형%궤기학습
Information extraction%Support vector machine (SVM)%Hidden Markov Model (HMM)%Machine learning
传统的文本信息抽取算法通常基于词典、规则或其他模型实现,但由于词典建立困难、规则设定模糊或模型结构单一等原因,信息抽取的准确性通常较低.针对传统的文本信息抽取算法存在的多种不足,提出一种基于混合模型的文本信息抽取算法.该算法融合了多种信息抽取方法,引入支持向量机对信息进行分类,利用S型函数拟合调整模型参数,并采用数据平滑技术优化模型概率空间.实验结果表明,与传统的文本信息抽取算法相比,该算法信息抽取的精确度和召回率明显提高,具有较好的可行性.
傳統的文本信息抽取算法通常基于詞典、規則或其他模型實現,但由于詞典建立睏難、規則設定模糊或模型結構單一等原因,信息抽取的準確性通常較低.針對傳統的文本信息抽取算法存在的多種不足,提齣一種基于混閤模型的文本信息抽取算法.該算法融閤瞭多種信息抽取方法,引入支持嚮量機對信息進行分類,利用S型函數擬閤調整模型參數,併採用數據平滑技術優化模型概率空間.實驗結果錶明,與傳統的文本信息抽取算法相比,該算法信息抽取的精確度和召迴率明顯提高,具有較好的可行性.
전통적문본신식추취산법통상기우사전、규칙혹기타모형실현,단유우사전건립곤난、규칙설정모호혹모형결구단일등원인,신식추취적준학성통상교저.침대전통적문본신식추취산법존재적다충불족,제출일충기우혼합모형적문본신식추취산법.해산법융합료다충신식추취방법,인입지지향량궤대신식진행분류,이용S형함수의합조정모형삼수,병채용수거평활기술우화모형개솔공간.실험결과표명,여전통적문본신식추취산법상비,해산법신식추취적정학도화소회솔명현제고,구유교호적가행성.
