基于条件随机场的文献记录分析算法

摘要：

随着互联网的快速发展,网页已成为获取信息的主要来源.为了使出版机构能够及时从大量网页中发现所需文献,需要设计能够从HTML页面中自动提取文献信息的算法.为此,本文设计了基于条件随机场的文献记录分析算法:首先,设计了文档对象树的分割算法,通过分割标记将页面数据分成独立的部分,这些数据块由标签和文本序列构成;随后,将该序列作为条件随机场模型的特征向量,建立文献信息标记模型;最后,设计启发式算法,从标记模型中提取文献信息数据,并通过实验验证了其有效性.

关键词： 文献信息 分割算法 特征提取 条件随机场

作者: 曾庆涛 解凯 李业丽 叶雨珊 马少平

作者单位: 北京印刷学院,北京102600;清华大学计算机科学与技术博士后流动站,北京100084 北京印刷学院,北京102600 清华大学计算机科学与技术博士后流动站,北京100084

会议类型: 国内会议

会议名称: 2016年全国通信软件学术会议

会议地点: 西安

会议语种:中文

页码: 83-88

在线出版日期: 2016-06-24（万方平台首次上网日期，不代表论文的发表时间）