基于隐马尔可夫模型的引文信息提取

被引：10

作者：

张玲

黄铁军

高文

机构：

[1] 中国科学院计算技术研究所

[2] 中国科学院计算技术研究所北京

[3] 中国科学院研究生院

[4] 北京

[5] 北京

来源：

计算机工程 | 2003年 / 20期

关键词：

隐马尔可夫模型; 信息提取; 引文; 特征提取; 宏平均; 微平均;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

提出一种基于符号特征提取的HMM结构学习方法，并利用修改的Viterbi算法进行引文信息提取。在实验结果的评价上，除了常用的准确率(Precision)、查全率(Recall)、综合评价指标(F)之外，引入了两个评价标准：宏平均和微平均来综合评价算法的性能。试验表明该方法用于引文信息提取的正确率较高。

引用

页码：33 / 34+54 +54

页数：3

共 7 条

[1] Information Extraction Using Hidden Markov Models. Leek, T. R. . 1997
[2] Hidden Markov Models for Information Extraction. Zhang N R. . 2001
[3] Learning Hidden Markov ModelStructure for Information Extraction. Seymore K,McCallum A,Rosenfel R. AAAI99 Workshop on MachineLearning for Information Extraction .
[4] Information Extraction with HMMs and Shrinkage. Freitag D,MaCallum A K. .
[5] Machine Learning for Information Extraction in Informal Domains. Freitag D. Computer Science Department, Carnegie Mellon University,Pittsburgh, PA . 1998
[6] Bibliography Extraction with Hidden MarkovModels. Connan J,Omlin C W. Technical Report US-CS-TR-00-6.Department of Computer Science,University of Stellenbosch . 2000
[7] Information Extraction with HMM Structures Learned by Stochastic Optimization. Freitag D,McCallum A. . 2000

← 1 →