基于改进遗传退火HMM的Web信息抽取研究

• 作者: 冯丽萍 李荣 王鸿斌
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 信息抽取 遗传退火 隐马尔可夫模型 Viterbi 算法
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 数据库技术
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP391
• 字数: 6352字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.04.010

摘要

为进一步提高 Web 信息抽取的准确率，针对隐马尔可夫模型 HMM（Hidden Markov Model）及混合法在参数寻优上的不足，提出一种改进遗传退火 HMM的 Web 抽取算法。构建一个后向依赖假设的 HMM；用改进遗传退火优化 HMM参数，将遗传算子和模拟退火 SA（simulated annealing）参数改进后，据 GA（genetic algorithm）的自适应交叉、变异概率给子群体分类，实现多种群并行搜索和信息交换，以避免早熟，加速收敛；并将 SA 作为 GA 算子，加强局部寻优能力；最后，用双序 Viterbi 解码，与现有 HMM优化法相比，实验的综合 Fβ＝1平均提高了6％，表明改进算法能有效提高抽取准确率和寻优性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李荣	忻州师范学院计算机科学与技术系	23	85	5.0	8.0
2	冯丽萍	忻州师范学院计算机科学与技术系	19	110	5.0	10.0
3	王鸿斌	忻州师范学院计算机科学与技术系	38	391	9.0	19.0