基于广义隐马尔可夫模型的网页信息抽取方法

基于广义隐马尔可夫模型的网页信息抽取方法

王静，姚勇，刘志镜

西安电子科技大学计算机学院，陕西西安 710071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2006-10-24 发布日期:2006-10-24
通讯作者: 王静

Web information extraction based on a generalized hidden Markov model

WANG Jing, YAO Yong,LIU Zhi-jing

School of Computer Science and Engineering, Xidian University, Xi'an 710071, Shaanxi, China

Received:1900-01-01 Revised:1900-01-01 Online:2006-10-24 Published:2006-10-24
Contact: WANG Jing

摘要/Abstract

摘要： 针对网页所特有的基于版面结构的特点，利用基于视觉的网页分割算法VIPS对网页分块，得到一种新的状态转移序列，取代了传统的状态转移序列。通过二阶Markov链改进广义隐马尔可夫模型（GHMM）的状态转移和输出观测值假设条件，提出了二阶的广义隐马尔可夫模型。最后通过实验说明改进的GHMM对于网页信息抽取有很高的精确率。

关键词: 基于视觉的网页分割, 广义隐马尔可夫模型, Web信息抽取 , 二阶Markov链

Abstract: Since web pages are based on the web-specific layout structure feature, instead of using the transitional sequential state transition order, a new state transition order was proposed by using a vision based page segmentation algorithm (VIPS). In addition, the supposed state transition and the emission symbol conditions were improved by using the second-order Markov chain, and then a novel generalized hidden Markov model (GHMM) was proposed based on the improvement. Finally，through an example, it shows that the modified GHMM has a very high precision for web information extraction.

Key words: Web information extraction(IE) , second-order Markov chain, generalized hidden Markov model(GHMM), vision based page segmentation(VIPS)

中图分类号:

TP391

王静,姚勇,刘志镜 . 基于广义隐马尔可夫模型的网页信息抽取方法[J]. J4, 2007, 42(11): 49-52 .

WANG Jing,YAO Yong,LIU Zhi-jing . Web information extraction based on a generalized hidden Markov model[J]. J4, 2007, 42(11): 49-52 .

参考文献

相关文章 15

[1]	龚双双,陈钰枫,徐金安,张玉洁. 基于网络文本的汉语多词表达抽取方法[J]. 山东大学学报（理学版）, 2018, 53(9): 40-48.
[2]	余传明,左宇恒,郭亚静,安璐. 基于复合主题演化模型的作者研究兴趣动态发现[J]. 山东大学学报（理学版）, 2018, 53(9): 23-34.
[3]	严倩,王礼敏,李寿山,周国栋. 结合新闻和评论文本的读者情绪分类方法[J]. 山东大学学报（理学版）, 2018, 53(9): 35-39.
[4]	原伟,唐亮,易绵竹. 基于本体的俄文新闻话题检测设计与实现[J]. 山东大学学报（理学版）, 2018, 53(9): 49-54.
[5]	廖祥文,张凌鹰,魏晶晶,桂林,程学旗,陈国龙. 融合时间特征的社交媒介用户影响力分析[J]. 山东大学学报（理学版）, 2018, 53(3): 1-12.
[6]	余传明,冯博琳,田鑫,安璐. 基于深度表示学习的多语言文本情感分析[J]. 山东大学学报（理学版）, 2018, 53(3): 13-23.
[7]	张军,李竞飞,张瑞,阮兴茂,张烁. 基于网络有效阻抗的社区发现算法[J]. 山东大学学报（理学版）, 2018, 53(3): 24-29.
[8]	庞博,刘远超. 融合pointwise及深度学习方法的篇章排序[J]. 山东大学学报（理学版）, 2018, 53(3): 30-35.
[9]	陈鑫,薛云,卢昕,李万理,赵洪雅,胡晓晖. 基于保序子矩阵和频繁序列模式挖掘的文本情感特征提取方法[J]. 山东大学学报（理学版）, 2018, 53(3): 36-45.
[10]	王彤,马延周,易绵竹. 基于DTW的俄语短指令语音识别[J]. 山东大学学报（理学版）, 2017, 52(11): 29-36.
[11]	张晓东,董唯光,汤旻安,郭俊锋,梁金平. 压缩感知中基于广义Jaccard系数的gOMP重构算法[J]. 山东大学学报（理学版）, 2017, 52(11): 23-28.
[12]	孙建东,顾秀森,李彦,徐蔚然. 基于COAE2016数据集的中文实体关系抽取算法研究[J]. 山东大学学报（理学版）, 2017, 52(9): 7-12.
[13]	王凯,洪宇,邱盈盈,王剑,姚建民,周国栋. 一种查询意图边界检测方法研究[J]. 山东大学学报（理学版）, 2017, 52(9): 13-18.
[14]	张帆,罗成,刘奕群,张敏,马少平. 异质搜索环境下的用户偏好性预测方法研究[J]. 山东大学学报（理学版）, 2017, 52(9): 26-34.
[15]	杨艳,徐冰,杨沐昀,赵晶晶. 一种基于联合深度学习模型的情感分类方法[J]. 山东大学学报（理学版）, 2017, 52(9): 19-25.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed