基于规则的海事自由文本信息抽取方法研究

• 作者: 余晨 毛喆 高嵩
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 信息抽取 海事自由文本 自定义词库 抽取规则
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 40-47
• 页数: 8页
• 分类号: U692.4
• 字数: 6695字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2017.02.007

摘要

海事数据的结构化处理是海事安全研究的一个重要步骤.目前,网络上存在着大量的海事相关信息,但多为不同格式的非结构化文档数据,可以采用一种基于规则的海事信息抽取方法,将海事自由文本转化为结构化的数据.通过网络爬虫从海事相关网页中得到待抽取文本数据,根据得到的文本信息定义抽取任务为时间、地点、船名和事故类型4个数据项,再根据抽取任务本身及其常见触发词构建自定义海事词库,用于自由文本的分词和词性标注;通过对大量事故语料的分析总结,编制抽取规则进行海事信息的抽取,形成结构化的海事数据.以长江海事局网站的事故详情为数据源,采用基于规则的抽取方法进行实验.实验结果表明,时间信息抽取的准确率为100%,召回率为91%;地点信息抽取的准确率为94.52%,召回率为69%;船名信息抽取的准确率为97.75%,召回率为86%;事故类型信息抽取的准确率为96.67%,召回率为87%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高嵩	武汉理工大学智能交通系统研究中心	20	148	7.0	11.0
5	毛喆	武汉理工大学智能交通系统研究中心	13	373	8.0	13.0
9	余晨	武汉理工大学智能交通系统研究中心	1	12	1.0	1.0