半结构化文本中的表格识别技术研究  

Research on table recognition technology in semi-structured texts

作　　者：潘小燕[1] 孙承杰[1] 刘远超[1] 王晓龙[1] 

机构地区：[1]哈尔滨工业大学智能技术与自然语言处理实验室,150001

出　　处：《微计算机信息》2008年第18期198-199,291,共3页Control & Automation

基　　金：国家自然科学基金资助项目(60435020)

摘　　要：表格作为网页的一部分,蕴含丰富的信息,因而表格的识别工作已经成为了一个很值得研究的课题。把表格识别看作是一个分类问题,提出了一种新的用最大熵模型来解决这一问题的方法。实验证明,该方法对表格识别的F度量能够达到95.82%。As a component of web documents, table includes rich information, so its recognition task has becoming an important research subject. In this paper, table recognition task is considered as a classification problem. Maximum Entropy model is adopted to solve this problem, Experiment results show that the proposed method can achieve an F-measure of 95.82%.

关 键 词：信息提取 最大熵模型 表格识别 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]