基于维基百科和条件随机场的领域主题词抽取方法

被引：1

作者：

齐保元 ^{[1
]}

史忠植 ^{[2
]}

机构：

[1] 中国科学院大学

[2] 中国科学院计算技术研究所智能信息处理重点实验室

来源：

高技术通讯 | 2014年 / 24卷 / 06期

关键词：

表构建; 主题词抽取; 维基百科(Wikipedia); 条件随机场(CRF);

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对传统的手工整理主题词表的方法因耗时、更新速度慢而无法满足应用要求的问题,提出了一种基于维基百科(Wikipedia)和条件随机场(CRF)的领域主题词抽取方法。该方法根据特定领域现有主题词的构词特点、统计分布特点,充分利用维基百科独特的结构优势,自动地从维基百科中获取新的领域主题词,补充现有主题词表。该方法采用条件随机场作为训练、测试的模型,将多方面的特征进行综合建模,取得了较好的实验效果。实验结果表明,使用该方法可以将主题词识别的F值提高到83%左右。

引用

页码：602 / 608

页数：7

共 13 条

[11]

Information extraction from research papers using conditional random fields.[J].Fuchun Peng;Andrew McCallum.Information Processing and Management.2005, 4

[12] Automatic generation of English/Chinese thesaurus based on a parallel corpus in laws [J].

Yang, CC ;

Luk, J .

JOURNAL OF THE AMERICAN SOCIETY FOR INFORMATION SCIENCE AND TECHNOLOGY, 2003, 54 (07) :671-682

[13] Automatic thesaurus construction using Bayesian networks [J].

Park, YC ;

Choi, KS .

INFORMATION PROCESSING & MANAGEMENT, 1996, 32 (05) :543-553

← 1 2 →