共查询到20条相似文献，搜索用时 171 毫秒
1.
海量数据集上基于特征组合的关键词自动抽取 总被引：7，自引：0，他引：7
关键词自动抽取的任务就是使用计算机自动地从文本中抽取能够高度有效表达文本主题的词汇.小规模训练集和测试集下的关键词自动抽取已经有诸多算法实现,但是大规模分布复杂的数据集上的关键词自动抽取却很少有学者提及.本文利用现有的信息检索技术,对海量数据集上自动抽取关键词问题进行了研究,给出了一个基于特征组合的关键词自动抽取方法.该方法构造了一个大规模的关键词词典;基于TF× IDF值和其他特征,提出了更有效的关键词权重计算方法;根据关键词本身的特点,对候选关键词进行了后处理,使得抽取的关键词更符合读者的要求.本文的后续实验表明,该方法同基于Bayes和KNN等的机器学习方法相比,性能相当.使用自动评价和人工评价两种方法对抽取的关键词进行了评估.专业编辑对抽取结果的人工评价显示,约95%的自动抽取的关键词可以被专业编辑或者读者接受. 相似文献
2.
适用于隐含主题抽取的K最近邻关键词自动抽取 总被引：1，自引：0，他引：1
众所周知,K最近邻方法作为机器学习领域的一个经典的方法,在很多领域都有出色的表现.本文利用K最近邻方法的思想,提出了一种基于K最近邻的关键词自动抽取方法.现有的关键词抽取技术仅仅是对正文词汇的抽取,不能抽取隐含主题.隐含主题的抽取是关键词自动抽取技术的难点,但是该方法可以有效抽取隐含主题.该方法首先对数据进行预处理,使用向量空间模型将文本表述为数学化语言;然后,以人工标注关键词的文献数据作为训练集,使用K最近邻方法构建新文献的关键词候选集;最后,根据关键词本身的特点对候选关键词做了有效的后处理.实验表明,该方法不仅可以提高关键词抽取的准确率和召回率,还可以有效抽取文章的隐含主题. 相似文献
3.
基于模式匹配的军事演习情报信息抽取 总被引：1，自引：0，他引：1
以军事演习情报信息抽取为突破点,采用基于模式匹配的方法进行演习情报的抽取.在信息抽取的不同环节,采用层次自动分类方法进行待抽取文本筛选;采用基于种子模式的自举方法结合领域词典进行军事演习组块识别;采用基于语料标注的方法进行事件属性模式学习获取.实验结果表明该方法在特定领域内的有效性,在实际工程项目中达到可应用状态. 相似文献
4.
语义词典在语言学和自然语言处理研究中占有相当关键的位置.语义词典的构造,通常有两类做法.一类是基于语言学家的主观判断,另一类则是基于机器的自动聚类.后者是本文所要研究的主题.本文基于大规模的语料库,利用自组织映射神经网络(SOM)对词典进行无监督的自动构造.首先从语料库中抽取待聚类词的上下文窗口中的词,并利用信息增益(Information Gain)对特征词进行选择,然后借鉴信息检索模型中的TFIDF计算特征向量中每一个特征的特征权重,最后将构造好的待聚类词的特征向量作为SOM的输入,经过网络的迭代计算将不同类别的词映射在SOM输出网格的不同结点. 相似文献
5.
针对网页文本结构信息少、噪声大的特点,将句子看作点,将句子间的相似性看作边,用句子关系图描述文本中句子间的关系。抽取文本主题句的任务转化为搜索图中边最多的点。利用语义词典,将句子相似度定义为句子语义相似度,解决短文本词频相似度低的问题。选用互联网公开语料进行测试,抽取的主题句达到平均80.6%的可接受性。 相似文献
6.
典型关系抽取系统的技术方法解析 总被引：3，自引：0，他引：3
实体关系抽取是信息抽取领域中的一项重要任务.文章在对当前关系抽取的相关文献、系统和项目进行分析研究的基础上,将基于非结构化文本的实体关系抽取技术方法归纳为:以模式构造和匹配为主线进行关系抽取、以词典驱动关系抽取、运用机器学习算法进行关系抽取、借助Ontology进行关系抽取以及多种方法有机结合进行关系抽取.从技术应用特点、核心模块的实现细节以及系统评测结果等方面深入分析了典型的关系抽取系统,它们包括EEES关系抽取系统、SVM关系抽取系统、T-Rex关系抽取系统、KMI语义网络门户的混合关系抽取系统,旨在为进一步构建实体关系抽取系统提供良好借鉴.该文为2008年第9期本期话题"知识抽取"的文章之一. 相似文献
7.
汉英词典作为沟通中文与英语两种不同语言的桥梁,是中国与世界交流的工具。在信息时代飞速发展的今天,双语词典的自动构建技术在机器翻译和跨语言检索领域起着重要的作用,本文对双语词典的自动构建方法和其中的关键技术进行了比较全面的分析和总结,并提出一种从汉英平行语料库中抽取双语词语,自动构建双语词典的方法,在实现汉英句子级对齐后,对双语语料分别进行分词和词性标注处理,通过抽取汉英词语单元并计算其关联概率来实现汉英的词语对齐,最终生成双语词典。该方法在对真实语料的双语词典构建实验中取得了较好的结果,词对齐效果优于传统的IBM模型方法。 相似文献
8.
医学文献集合的主题抽取和主题聚类实践 总被引：1，自引：0，他引：1
文献中的重要关键词能够反映其核心主题,因此对文献主题的发现和抽取问题就转化为对文献中的重要关键词集合的抽取.文章在调研了国外在主题抽取和聚类方面采用的技术方法的基础上,提出了在医学学科领域从文本信息资源中抽取主题并进行主题领域判断的技术方案,并详细阐述了其中的主题聚类的技术环节.为了验证该技术方案的有效性,文章以骨关节炎领域为例,对文中提出的技术方案进行实践验证.验证的结果表明文章提出的技术方案有着实际的有效性.该文为2008年第9期本期话题"知识抽取"的文章之一. 相似文献
9.
基于百科资源的多策略中文同义词自动抽取研究 总被引：3，自引：1，他引：2
采用实证的方法,以百度百科语料库为实验抽取对象,在对同义词自动抽取技术分析比较的基础上,提出了多策略的中文同义词抽取的思路.综合利用字面相似度方法、特征模式匹配方法和PageRank链接分析方法对中文百科语料库中的同义词进行自动获取,具有多领域适用性、获取同义词类型多样性等特点.实验结果表明,该方法具有可行性,并可应用于其它语种的同义词自动获取中.未来的研究应进一步实现模式的自动定义、完善抽词词典、有效排除噪音数据并构建能真实反映语义关系的词汇矩阵.图1.表6.参考文献13. 相似文献
10.
信息抽取是从海量网页获取有价值信息的重要方式,对目标网页内容进行主题相关性判断是提高信息抽取效率和准确性的关键环节。目前的相关性判断主要采用人工筛选和文档训练的方法,这其中存在效率低、重复训练等问题,而本文尝试针对抽取任务引入主题描述模型用于网页内容的主题相关性判断。从任务的主题描述模型的角度出发,计算模型中的关键词基于标记信息的加权频率,将网页内容进行量化表示,然后分析关键词加权频率关于任务主题描述模型的变化来判断网页内容的主题相关性。最后通过对比该方法在国防产品信息抽取中结果,实验证明该方法大大提高了网页信息抽取的效率和准确性。 相似文献
11.
分面分类在网络资源组织中的应用 总被引：15，自引：1，他引：14
针对网络信息资源的特点,构想在网络信息资源组织中使用分面分类的几种方式,包括在编制分类搜索引擎的分类表时使用复分表、仿分,在信息标引中使用分面叙词表,在综合性分类搜索引擎的检索界面上部分使用分面分类思想,在专业性搜索引擎检索界面上完全使用分面分类表进行可视化检索等。 相似文献
12.
13.
The Internet continues to grow as an information and entertainment medium. Internet growth has implications for the news industry. Twenty-four hour news networks such as CNN and MSNBC regularly encourage viewers of their television programs to visit their Web sites. While visiting news Web sites, visitors are invited to participate in opinion polls. Unfortunately, these online opinion polls are not scientific and have little real news value. In spite of these limitations, news Web sites' Internet polls are often treated as serious topics in broadcast news discussions. This article examines media organizations' Internet online polls and critiques them as instances of symbolic representation and pseudo-events that have arisen largely out of the integration of print, broadcast, and Internet media. 相似文献
14.
基于RSS的Web新闻主题聚合系统的设计与实现 总被引：5，自引：0，他引：5
钱爱兵 《现代图书情报技术》2007,2(4):56-61
基于RSS的Web新闻主题聚合是信息处理领域内的一个新兴且有实用价值的方向。分析Web新闻主题聚合的基本问题，提出难点以及相关的解决方案，并在此基础上设计Web新闻主题聚合系统。 相似文献
15.
Douyère M Soualmia LF Névéol A Rogozan A Dahamna B Leroy JP Thirion B Darmoni SJ 《Health information and libraries journal》2004,21(4):253-261
The amount of health information available on the Internet is considerable. In this context, several health gateways have been developed. Among them, CISMeF (Catalogue and Index of Health Resources in French) was designed to catalogue and index health resources in French. The goal of this article is to describe the various enhancements to the MeSH thesaurus developed by the CISMeF team to adapt this terminology to the broader field of health Internet resources instead of scientific articles for the medline bibliographic database. CISMeF uses two standard tools for organizing information: the MeSH thesaurus and several metadata element sets, in particular the Dublin Core metadata format. The heterogeneity of Internet health resources led the CISMeF team to enhance the MeSH thesaurus with the introduction of two new concepts, respectively, resource types and metaterms. CISMeF resource types are a generalization of the publication types of medline. A resource type describes the nature of the resource and MeSH keyword/qualifier pairs describe the subject of the resource. A metaterm is generally a medical specialty or a biological science, which has semantic links with one or more MeSH keywords, qualifiers and resource types. The CISMeF terminology is exploited for several tasks: resource indexing performed manually, resource categorization performed automatically, visualization and navigation through the concept hierarchies and information retrieval using the Doc'CISMeF search engine. The CISMeF health gateway uses several MeSH thesaurus enhancements to optimize information retrieval, hierarchy navigation and automatic indexing. 相似文献
16.
针对目前网络上的标题党新闻,提出一种标题党新闻自动识别的算法。通过分析新闻网页构成的特点,抽取出新闻标题和新闻正文;以句子关系矩阵为基础,提出一种以语句为单位的主题句抽取算法;根据句子相似度计算结果来进行判断。实验表明,本方法的识别精度可达到80%,是一种有效的方法。 相似文献
17.
叙词表在网络信息组织中应用的调查分析及其优化 总被引：1，自引：0，他引：1
通过对英文叙词表在网络信息组织中的全面调查与分析，揭示其应用的类型、检索途径及学科范围与语种等特点，从词表的显示与操作、使用帮助、互操作、向多语种发展以及叙词表管理系统等方面提出优化对策。 相似文献
18.
In 2008, China surpassed the United States as the largest Internet market in the world. This study examines how four prominent Western news organizations respond to this new era of Internet publishing. A series of in-depth interviews with senior managers at The Wall Street Journal, Financial Times, Reuters, and The New York Times revealed how these news organizations serve Internet users in China through their Chinese-language Web editions—how they overcome geographic, language, cultural, and political barriers to explore this remote market. These cases demonstrate the viability of different operating models and the challenges and opportunities facing these media organizations as they manage transnational news operations in this seemingly lucrative market. 相似文献
19.
V. F. Khoroshevskii 《Scientific and Technical Information Processing》2010,37(6):418-431
A new line of investigation that integrates studies on artificial intelligence and Internet technologies, which is known as
the Semantic Web, is presented. A review of the present state of research is given; problems on the establishment of knowledge
spaces on the Internet, the means and methods for the extraction of knowledge from texts in natural languages, as well as
questions on the use of knowledge spaces in the creation of applied intelligent systems operating on the Internet, are considered. 相似文献
20.
本文论述了用链与环的形式处理词与字的关系，以“环”的形式存放受控单字，不但解决了大型主题词表占据较大的机存容量问题，而且解决了用“环”的方法进行汉语标引词的提取，提高了标引词的处理速度，进而实现了主题标引。 相似文献