基于HMM/BP混合模型的文本信息抽取研究

• 作者: 杨红超 肖基毅
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 信息抽取 隐马尔可夫模型 BP网络
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 115-117
• 分类号: TP391
• 字数: 2802字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2011.05.030

摘要

作为自然语言处理的一个分支,文本信息抽取成为了提取大量文本信息中有用信息的重要手段.介绍了目前在信息抽取领域中应用广泛的两种技术方法:HMM和BP网络模型,分析了各自的优缺点,并在此基础上提出了一种基于两者的混合模型,该混合模型通过BP网络优秀的分类甄别能力来弥补HMM在分类方面的不足,而通过HMM强大的时域建模能力来弥补BP网络建模能力弱的问题,因此该模型具有强大的建模能力、分类性以及适应性强等特点.实验证明,相比传统的HMM以及BP网络模型,该混和模型在精确度和召回率上有了10%～15%的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖基毅	南华大学计算机科学与技术学院	43	178	7.0	11.0
2	杨红超	南华大学计算机科学与技术学院	1	6	1.0	1.0