【摘 要】
：
面对网络化、数字化、海量分布、复杂的信息资源,数字图书馆还不能有效地揭示和发现信息之间内在的知识联系。信息抽取技术的出现,使将海量的无结构数据自动转化为有结构信息
论文部分内容阅读
面对网络化、数字化、海量分布、复杂的信息资源,数字图书馆还不能有效地揭示和发现信息之间内在的知识联系。信息抽取技术的出现,使将海量的无结构数据自动转化为有结构信息的过程成为可能。作者在大量技术调研基础上,针对目前国内外信息抽取系统主要针对英文抽取的现状,经过实验分析比较提出了中文信息抽取的解决方案:在 GATE 框架下,开发中文信息抽取插件,其中利用了 ICTCLAS 分词工具。解决中文信息抽取有 3 个难点,分别是中文分词、中文语料词表和中文命名实体识别。除了利用 ICTCLAS 解决中文分词问题外,作者针对不同领域收集制作了上百兆符合 GATE 格式的中英文语料词表,并针对中文的语言特点撰写了上百条 JAPE 规则来提高中文命名实体识别的准确率。系统实现后,作者还将基于 GATE 的中文信息抽取系统对 RSS 科技信息聚合系统采集的数据进行了应用:对已经采集到本地的数百条无结构科技新闻进行了信息抽取实验,验证了系统的可用性。通过实验,我们认为基于 GATE 的中文信息抽取系统是对批量的中文信息抽取、英文信息抽取以及中英文混合信息抽取的一次非常有意义的尝试,初步解决了中英文命名实体识别的问题,并为后续的信息抽取研究打下了良好的基础。
其他文献
本文主要研究重庆酸雨区马尾松生物量结构特征、根系空间分布规律以及酸沉降对林木生物量及根系分布可能产生的影响,为进一步开展森林生态系统的能量流动与物质循环及健康评
随着我国高等教育投融资体制改革的不断深化,我国高等院校融资模式发生了历史性的变迁,融资渠道呈现出多元化趋势。特别是进入二十世纪90年代中后期,国家开始提倡实行高等教
本文提出了一种测定未饱和含湿多孔介质局部含湿量的脉冲电导法，克服了普通电导法测试信号不稳定、重复性差的缺点．对测湿传感器的标定进行了讨论，分析了试样大小对测湿的影响，结
随着两岸三地电影合作进入“后融合”时期,三地电影不断在制作模式、美学风格和形象建构上趋向统一的“大华语电影”美学体系之下。与此同时,华语合拍电影在对外传播中也努力
多连杆机构的各个杆件尺寸及相对位置决定了肘杆压力机的运动特性。本文基于参数化建模的方法,创建了六杆机构的运动学模型。以降低杆系总高度和工件成形阶段速度为优化目标,
准确预测建筑用户在室行为可显著提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型
会计信息系统一词是本世纪70年代中期以后在会计界逐渐使用的。80年代为我国会计界理论和实务工作者接受并广泛使用。然而,当人们论及这个命题时,它.并不仅表示唯一含义。会
当前,移动互联网的发展方兴未艾,PC、IPAD、手机等不断抢占电视的市场。但是,电视依旧还是大众传播中最重要的媒体。而作为电视传播内容的载体,电视新闻节目正是当之无愧的骨
证人出庭作证制度是证人制度的核心问题。在民事证据法领域,这一制度的确立对民事纠纷的解决起到了积极的作用,对于实现实体正义,维护程序正义,推动民事审判方式的改革都有重
英雄是人类永恒的话题。英雄观作为人们对英雄看法和态度的总和,源于英雄人物的实践活动,以英雄的概念为核心,表现在从实际鼓励到哲学思辨等多个层面,并因时代、民族、文化、