基于改进SVM和HMM的文本信息抽取算法

• 作者: 妙全兴 孙师尧
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 信息抽取 支持向量机 隐马尔可夫模型 机器学习
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 算法
• 页码范围: 281-284,292
• 页数: 5页
• 分类号: TP391
• 字数: 4937字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.11.065

摘要

传统的文本信息抽取算法通常基于词典、规则或其他模型实现,但由于词典建立困难、规则设定模糊或模型结构单一等原因,信息抽取的准确性通常较低.针对传统的文本信息抽取算法存在的多种不足,提出一种基于混合模型的文本信息抽取算法.该算法融合了多种信息抽取方法,引入支持向量机对信息进行分类,利用S型函数拟合调整模型参数,并采用数据平滑技术优化模型概率空间.实验结果表明,与传统的文本信息抽取算法相比,该算法信息抽取的精确度和召回率明显提高,具有较好的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	妙全兴	武警工程大学信息工程系	24	115	7.0	10.0
2	孙师尧	武警工程大学信息工程系	3	18	2.0	3.0