基于Maximum Likelihood与HMM的文本挖掘

• 作者: 肖基毅 邹腊梅 龚向坚
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 隐马尔可夫模型 最大似然 文本挖掘 信息抽取
• 年，卷（期）: 2007,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 110-112
• 页数: 3页
• 分类号: TP311
• 字数: 3359字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2007.12.031

摘要

随着信息技术、数据库技术、网络技术的发展,各行各业均存储了大量的文本数据,怎样从这些文本数据中发掘有价值的信息和知识成为人们急需解决的问题.提出基于Maximum Likelihood与HMM的文本挖掘方法,利用Maximum Likelihood构建隐马尔可夫模型,对论文条目进行特定信息的发掘,并克服了实验过程中"零概率"的缺陷.实验结果表明准确率平均达到0.9,召回率平均达到0.85,从理论和实践上证明该方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹腊梅	南华大学计算机科学与技术学院	21	120	6.0	10.0
2	肖基毅	南华大学计算机科学与技术学院	43	178	7.0	11.0
3	龚向坚	南华大学计算机科学与技术学院	20	90	5.0	9.0