基于二维混合条件随机场的Web记录抽取模型  

Web Records Extraction Model Based on 2D Mixed Conditional Random Fields

作　　者：卓林[1] 杨舟[1] 赵朋朋[1,2] 崔志明[1,2] 

机构地区：[1]苏州大学智能信息处理及应用研究所,江苏苏州215006 [2]江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏苏州215006

出　　处：《计算机工程》2011年第5期59-61,64,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(60970015);2008年江苏省重大科技支撑与自主创新基金资助项目(BE2008044);江苏省基础研究计划企业博士创新基金资助项目(BK2009563)

摘　　要：提出一种基于混合二维条件随机场的Web记录抽取模型,以克服线性链条件随机场不能充分利用Web实体间二维依赖关系的缺点,且训练条件随机场模型时无需大量手工标注的样本数据。对当当网上的742个数据记录进行抽取,对比同等情况下的其他模型。实验结果表明,混合二维条件随机场模型在抽取TDS数据集时展现了更优越的性能。This paper presents a model of two-dimensional Mix Conditional Random Fields（MCRF） which are used for the extraction of Web records.It overcomes the shortcomings of linear-chain conditional random that it can not take full advantage of dependencies between the various elements of Web entities.Meanwhile,it solves the problem that training CRF model often requires large number of hand-labeling sample data.In the experiment,it tries to extract 742 data records from Dangdang online,and compared with other models under the same conditions.Experimental results show a more superior performance during extracting TDS.

关 键 词：条件随机场 混合条件随机场 信息抽取 Web记录 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]