基于增强约束条件随机场的Web对象信息抽取-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2015 ，51（23 ） 143 基于增强约束条件随机场的Web 对象信息抽取 黄彦姣，吴 秦，梁久祯 HUANG Yanjiao, WU Qin, LIANG Jiuzhen 江南大学 物联网工程学院，江苏 无锡 214122 School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China HUANG Yanjiao, WU Qin, LIANG Jiuzhen. Boosted constrained conditional random fields for Web object infor- mation extraction. Computer Engineering and Applications, 2015, 51 （23 ）：143-148. Abstract ：Liner conditional random fields model is difficult to handle the relationship between Web data objects and char- acteristic of labeling attributes. To solve this problem, an improved sequence labeling model named Boosted Constrained Conditional Random Fields （BCCRFs ）is proposed. Confidence constraint is introduced to the reasoning procedure by improved Viterbi procedures in the liner conditional random fields model. And the theory of large margin is applied to the random conditional fields model to improve the labeling accuracy. The proposed model is compared with the conditional random fields and hierarchical conditional random fields. The experimental results show that the BCCRFs model is effec- tive on Web object information extraction and improves labeling accuracy. Key words ：boosted constrained conditional random fields; conditional random fields; attribute label; Web object; infor- mation extraction 摘 要：线性链条件随机场模型难以处理Web 对象与各个标注属性之间的特征关系，为解决此问题，提出一种增强 约束条件随机场模型。通过将约束条件引入推理过程，改进线性链条件随机场模型的Viterbi 算法；运用最大间隔理 论的思想训练条件随机场模型，提高模型标注的正确率；将该模型与条件随机场模型及层次条件随机场模型进行对 比。实验结果表明该模型能在提高标注正确率的基础上有效地解决Web 对象信息抽取问题。 关键词：增强约束条件随机场；条件随机场；属性标注；Web 对象；信息抽取 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1311-0397 1 引言 提取与店名、地址、电话、平均消费、适合场景等有关的 Internet 涵盖了涉及各个领域的大量有价值的信 信息，并将这些信息用结构化的方式存储到数据库中， 息，是全球规模最大、门类最全的信息共享平台。然而， 从而满足人们对餐饮领域相关信息的有哪些信誉好的足球投注网站需求。 很多有用的信息嵌入在嘈杂的含有多余数据的半结构