摘要:
为了解决在信息提取中,召回率和精度都不高的问题,提出了改进的HMM(Hidden Markov Models)模型,该模型采用一种新的文本分块技术。通过文本的语义特征和结构特征,抽取具有特征的状态,并在此基础上,抽取剩余的无特征的状态改进HMM,测试了由卡耐基梅隆大学数据搜索引擎研究小组所提供的100篇计算机科学文件头部。结果表明,与基于字词和传统的HMM方法相比,召回率和精确率分别达到了91.99%和94.79%。
中图分类号:
纪 祥,刘华虓,吴芬芬,刘 磊. 基于特征和HMM的信息提取[J]. J4, 2009, 27(04): 396-.
JI Xiang,LIU Hua-xiao,WU Fen-fen,LIU Lei. Information Extraction Based on Character Extraction and HMM[J]. J4, 2009, 27(04): 396-.