10.3969/j.issn.1000-386x.2015.11.065
基于改进SVM和HMM的文本信息抽取算法
传统的文本信息抽取算法通常基于词典、规则或其他模型实现,但由于词典建立困难、规则设定模糊或模型结构单一等原因,信息抽取的准确性通常较低.针对传统的文本信息抽取算法存在的多种不足,提出一种基于混合模型的文本信息抽取算法.该算法融合了多种信息抽取方法,引入支持向量机对信息进行分类,利用S型函数拟合调整模型参数,并采用数据平滑技术优化模型概率空间.实验结果表明,与传统的文本信息抽取算法相比,该算法信息抽取的精确度和召回率明显提高,具有较好的可行性.
信息抽取、支持向量机、隐马尔可夫模型、机器学习
32
TP391(计算技术、计算机技术)
2015-12-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
281-284,292