短语识别与信息抽取的隐马尔可夫模型的方法研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

短语识别与信息抽取的隐马尔可夫模型的方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1 论著主题的提出1

1.2 短语识别概述3

1.2.1 研究背景及意义3

1.2.2 研究难点9

1.2.3 国内外研究现状17

1.3 信息抽取概述27

1.3.1 信息抽取定义27

1.3.2 信息抽取处理对象28

1.3.3 研究背景及意义30

1.3.4 国内外研究现状35

1.3.5 与其他文本处理工具的关系39

1.3.6 信息抽取技术的挑战和发展趋势41

第2章 隐马尔可夫模型理论基础45

2.1 HMM简介45

2.2 HMM的三个基本问题49

2.3 HMM的主要算法50

2.3.1 评估问题的解决算法50

2.3.2 学习问题的解决算法51

2.3.3 解码问题的解决算法52

2.3.4 实现HMM算法的问题53

2.4 二阶HMM54

2.4.1 二阶HMM的前向—后向算法55

2.4.2 二阶HMM的Baum-Welch算法56

2.4.3 二阶HMM的Viterbi算法56

2.5 小结57

第3章 短语识别的HMM方法研究58

3.1 汉语短语的基本知识58

3.1.1 汉语短语的标注体系58

3.1.2 短语的组成定义62

3.1.3 短语的句法功能分类框架64

3.2 基于规则的汉语短语识别70

3.2.1 汉语短语np、vp结构的统计与分析70

3.2.2 汉语短语np、vp识别的定界规则80

3.2.3 汉语短语np、vp的句法语义分析85

3.2.4 基于规则的汉语短语np、vp的自动识别99

3.3 基于支持向量机的短语识别102

3.3.1 支持向量机介绍102

3.3.2 动词短语相关知识介绍116

3.3.3 动词短语特征提取121

3.3.4 动词短语向量空间模型的建立125

3.3.5 基于SVM的动词短语识别127

3.3.6 实验模型及结果分析130

3.4 基于HMM的短语识别136

3.4.1 层次分析法介绍136

3.4.2 相关资源建设139

3.4.3 HMM模型的设计146

3.4.4 模型的实验与结果分析160

3.5 基于遗传算法和HMM的短语识别171

3.5.1 遗传算法简介171

3.5.2 HMM模型的建立177

3.5.3 基于遗传算法的HMM参数估计179

3.5.4 基于GA-HM的NP识别181

3.5.5 实验结果及分析182

3.6 几种短语识别方法的比较184

3.6.1 理论比较184

3.6.2 实验比较188

3.7 小结190

第4章 信息抽取的HMM方法研究192

4.1 基于HMM的信息抽取192

4.1.1 数据预处理193

4.1.2 数据分块194

4.1.3 HMM的构建196

4.1.4 HMM信息抽取过程197

4.1.5 实验结果与分析198

4.2 基于遗传算法和HMM的信息抽取200

4.2.1 基于GA-HMM的Web信息抽取200

4.2.2 基于GA-HMM模型在Web信息抽取中的改进201

4.2.3 基于GA-HMM2的信息抽取模型建立及实验结果208

4.3 基于模拟退火和HMM的信息抽取211

4.3.1 模拟退火算法简介211

4.3.2 基于SA-HMM的Web信息抽取216

4.3.3 SA-HMM模型在Web信息抽取中的改进218

4.3.4 信息抽取过程及实验结果分析223

4.4 基于遗传退火和HMM的信息抽取226

4.4.1 基于混合HMM的Web信息抽取227

4.4.2 HMM的改进及有效性分析228

4.4.3 基于改进遗传退火HMM的Web信息抽取230

4.5 基于最大熵与HMM的信息抽取241

4.5.1 最大熵原理241

4.5.2 基于最大熵与HMM的信息抽取244

4.5.3 基于混合条件模型的信息抽取246

4.5.4 实验结果与分析250

4.6 基于自适应混合智能优化算法与HMM的信息抽取251

4.6.1 粒子群优化算法252

4.6.2 细菌觅食优化算法261

4.6.3 自适应混合智能优化算法265

4.6.4 基于自适应混合智能算法与HMM的信息抽取276

4.6.5 实验结果及分析282

4.7 几种信息抽取方法的比较285

4.7.1 理论比较285

4.7.2 实验比较294

4.8 小结296

第5章 短语识别与信息抽取的关系及HMM方法比较297

第6章 结语302

6.1 研究工作总结302

6.2 展望304

附录1 符号代码说明306

附录2 《现代汉语语法信息词典》动词库专有项目308

附录3 测试句样例311

附录4 自适应混合智能算法ABSO与另5种算法比较的代码315

参考文献335