基于改进的隐马尔可夫模型在网页信息抽取中的研究与应用

• 作者: 双哲 孙蕾
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 隐马尔可夫模型 最大熵模型 网页信息抽取
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 数据工程
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP3
• 字数: 4480字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.02.007

摘要

信息抽取是从大量的数据中准确、快速地获取目标信息,提高信息的利用率.考虑网页数据的特点,提出一种适用于网页信息抽取改进的隐马尔科夫模型(HMM),即结合最大熵模型(ME)在特征知识表示方面的优势,在HMM模型中加入后向依赖,利用发射单元特征来调整模型参数.改进后的HMM状态转移概率和观察输出概率不仅依赖于模型的当前状态值,而且可以以模型的前向状态值和后向特征值加以修正.实验结果表明,使用改进后的HMM模型应用到网页信息抽取中,可以有效地提高网页信息抽取的质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙蕾	华东师范大学计算机科学技术系	28	281	10.0	16.0
2	双哲	华东师范大学计算机科学技术系	1	8	1.0	1.0