节点文献
基于隐马尔可夫模型的引文信息提取
Citation Extraction Based on Hidden Markov Model
【摘要】 提出一种基于符号特征提取的HMM结构学习方法，并利用修改的Viterbi算法进行引文信息提取。在实验结果的评价上，除了常用的准确率(Precision)、查全率(Recall)、综合评价指标(F)之外，引入了两个评价标准：宏平均和微平均来综合评价算法的性能。试验表明该方法用于引文信息提取的正确率较高。
【Abstract】 This paper puts forward a method of HMM structure learning which is based on the extraction of tokens’ features, uses a variation of Viterbi algorithm to extract citation. For evaluating the method, it introduces two standards: Macro-averaging and Mico-averaging in addition to commonly used Precision, Recall and F.
【关键词】 隐马尔可夫模型；
信息提取；
引文；
特征提取；
宏平均；
微平均；
【Key words】 Hidden Markov model(HMM)； Information extraction； Citation； Feature extraction； Macro-averaging； Mico-averaging；
【Key words】 Hidden Markov model(HMM)； Information extraction； Citation； Feature extraction； Macro-averaging； Mico-averaging；
【基金】 国家科学数字图书馆智能化网络信息搜索技术与机制研究项目（CSDL2002-18）
- 【文献出处】 计算机工程 ,Computer Engineering , 编辑部邮箱 ,2003年20期
- 【分类号】TP391.1
- 【被引频次】23
- 【下载频次】248