SVM+BiHMM:基于统计方法的元数据抽取混合模型

• 作者: 张铭 杨冬青 邓志鸿 银平
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 元数据抽取 基于规则的信息抽取 支持向量机 隐马尔科夫模型 二元HMM模型
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 数据库技术
• 页码范围: 358-368
• 页数: 11页
• 分类号: TP311
• 字数: 9182字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2008.00358

摘要

提出了一种SVM+BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM+BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM+BiHMM算法的抽取效果优于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨冬青	北京大学信息科学技术学院	97	4962	32.0	70.0
2	张铭	北京大学信息科学技术学院	54	2570	19.0	50.0
3	邓志鸿	北京大学信息科学技术学院	23	2252	12.0	23.0
4	银平	北京大学信息科学技术学院	1	52	1.0	1.0