svm+bihmm:基于统计方法的元数据抽取混合模型

提出了一种svm+bihmm的混合元数据自动抽取方法.该方法基于svm(supportvectormachine)和二元hmm(bigramhmm(hiddenmarkovmodel),简称bihmm)理论.二元hmm模型bihmm在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了hmm发射概率计算模型.在svm+bihmm复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立svm模型把文本块划分为元数据子类,接着采用sigmoid双弯曲函数把svm分类结果用于拟合调整bihmm模型的单词发射概率,最后用复合模型进行元数据抽取.svm方法有效考虑了块间联系,bihmm模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,svm+bihmm算法的抽取效果优于其他方法.