基于最大-最小相似度学习方法的文本提取

• 作者: 付慧 刘峡壁 贾云得
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 文本提取 高斯混合模型 判别学习 最大-最小相似度学习 最小分类错误学习
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 621-629
• 页数: 9页
• 分类号: TP391
• 字数: 6851字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2008.00621

摘要

应用最大-最小相似度(maximum-minimum similafity,简称MMS)学习方法,对基于高斯混合模型的文本区域提取方法中的有关参数进行优化.该学习方法通过最大化正样本相似度和最小化反样本相似度获得最佳分类能力.根据这种判别学习思想,建立了相应的目标函数,并利用最速梯度下降法寻找目标函数最小值,以得到文本区域提取方法的最优参数集合.文本区域提取实验结果表明:在用期望最大化(expectation maximization,简称EM)算法获得参数的极大似然估计值后,使用最大-最小相似度学习方法,使文本提取综合性能明显提高,开放实验的召回率和准确率分别达到98.55%和93.56%.在实验中,最大-最小相似度学习方法的表现还优于常用的判别学习方法--最小分类错误(minimum classification error,简称MCE)学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾云得	北京理工大学计算机科学与技术学院智能信息技术北京市重点实验室	84	1610	24.0	37.0
2	付慧	北京理工大学计算机科学与技术学院智能信息技术北京市重点实验室	16	106	5.0	10.0
4	刘峡壁	北京理工大学计算机科学与技术学院智能信息技术北京市重点实验室	11	116	6.0	10.0