主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张 铭,银 平,邓志鸿,杨冬青.SVM+BiHMM:基于统计方法的元数据抽取混合模型.软件学报,2008,19(2):358-368
SVM+BiHMM:基于统计方法的元数据抽取混合模型
SVM+BiHMM: A Hybrid Statistic Model for Metadata Extraction
投稿时间:2006-03-28  修订日期:2007-06-07
DOI:
中文关键词:  元数据抽取  基于规则的信息抽取  支持向量机  隐马尔科夫模型  二元HMM模型
英文关键词:metadata extraction  rule based information extraction  SVM (support vector machine)  HMM (hidden Markov model)  BiHMM (bigram hidden Markov model)
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.90412010, 60573166 (国家自然科学基金); the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.2007108 (高等学校博士学科点专项科研基金); the HP University Collaborative Foundation of China under Grant No.HLCFY08-001 (惠普大学合作基金)
作者单位
张 铭 北京大学 信息科学技术学院,北京 100871 
银 平 北京大学 信息科学技术学院,北京 100871 
邓志鸿 北京大学 信息科学技术学院,北京 100871 
杨冬青 北京大学 信息科学技术学院,北京 100871 
摘要点击次数: 3618
全文下载次数: 3321
中文摘要:
      提出了一种SVM+BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM+BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM+BiHMM算法的抽取效果优于其他方法.
英文摘要:
      This paper proposes SVM+BiHMM, a hybrid statistic model of metadata extraction based on SVM (support vector machine) and BiHMM (bigram HMM (hidden Markov model)). The BiHMM model modifies the HMM model with both Bigram sequential relation and position information of words, by means of distinguishing the beginning emitting probability from the inner emitting probability. First, the rule based extractor segments documents into line-blocks. Second, the SVM classifier tags the blocks into metadata elements. Finally, the SVM+BiHMM model is built based on the BiHMM model, with the emitting probability adjusted by the Sigmoid function of SVM score, and the transition probability trained by Bigram HMM. The SVM classifier benefits from the structure patterns of document line data while the Bigram HMM considers both words' Bigram sequential relation and position information, so the complementary SVM+BiHMM outperforms HMM, BiHMM, and SVM methods in the experiments on the same task.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利