当前位置: 首页 » 资料 » 健康论文 » 基于特征和HMM的信息提取

基于特征和HMM的信息提取

放大字体  缩小字体 更新日期:2018-11-26  浏览次数:7
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
  • 【题 名】基于特征和HMM的信息提取
  • 【作 者】纪祥 刘华 吴芬芬 刘磊
  • 【机 构】吉林大学计算机科学与技术院 长春130012
  • 【刊 名】《吉林大学学报:信息科学版》2009年 第4期 396-399页 共4页
  • 【关键词】文本块 特征提取 机器学习 HMM模型
  • 【文 摘】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%。
 
本文导航:
  • (1) 文本块,特征提取,机器学习,HMM模型
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注