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
张传岩,洪晓光,彭朝晖,李庆忠.基于SVM和扩展条件随机场的Web实体活动抽取.软件学报,2012,23(10):2612-2627
基于SVM和扩展条件随机场的Web实体活动抽取
Extracting Web Entity Activities Based on SVM and Extended Conditional Random Fields
投稿时间:2011-08-15  修订日期:2012-01-17
DOI:10.3724/SP.J.1001.2012.04189
中文关键词:  信息抽取  格语法  实体活动  支持向量机  扩展条件随机场
英文关键词:information extraction  case grammar  entity activity  support vector machine  extended conditionrandom fields
基金项目:国家自然科学基金(61003051); 国家科技支撑计划(2009BAH44B02); 山东省自然科学基金(2009ZRB019RW); 山东省科技攻关计划(2010GGX10108)
作者单位E-mail
张传岩 山东大学计算机科学与技术学院, 山东济南 250101  
洪晓光 山东大学计算机科学与技术学院, 山东济南 250101 hxg@sdu.edu.cn 
彭朝晖 山东大学计算机科学与技术学院, 山东济南 250101  
李庆忠 山东大学计算机科学与技术学院, 山东济南 250101  
摘要点击次数: 2452
全文下载次数: 2998
中文摘要:
      在传统信息抽取的基础上,研究 Web 实体活动抽取,基于格语法对实体活动进行了形式化定义,并提出一种基于SVM(supported vector machine)和扩展条件随机场的Web实体活动抽取方法,能够从Web上准确地抽取实体的活动信息.首先,为了避免人工标注训练数据的繁重工作,提出一种基于启发式规则的训练数据生成算法,将语义角色标注的训练数据集转化为适合 Web 实体活动抽取的训练数据集,分别训练支持向量机分类器和扩展条件随机场.在抽取过程中,通过分类器获得包含实体活动的语句,然后利用扩展条件随机场对传统条件随机场中不能利用的标签频率特征和关系特征建模,标注自然语句中的待抽取信息,提高标注的准确率.通过多领域的实验,其结果表明,所提出的抽取方法能够较好地适用于 Web 实体活动抽取.
英文摘要:
      On the basis of the traditional methods extracting information, this paper defines the formal model ofentity activity based on case grammar and presents a method based on supported vector machine and extendedcondition random fields to extract Web entity activities accurately. First, in order to automatically train the machinelearning models, the study puts forward a heuristic method to transform the semantic role labeling training data intothe training data of entity activity extraction. Next, the study trains a support vector machine classifier and extendscondition random fields using the training data. Third, using the classifier, the study distinguishes the sentences thatcontain Web entity activities. The paper also proposes forward and extends condition random fields to model thefrequency and relationship feature. The traditional conditional random fields cannot model this while the new modelcan label the entity activity information in natural language sentences more accurately. Finally, the experimentalresults show that the method is effective in multidomains and can be applied to Web entity activity extraction.
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