[发明专利]一种基于二阶HMM的中标网页命名实体抽取方法在审
| 申请号： | 201810300522.1 | 申请日： | 2018-04-04 |
| 公开（公告）号： | CN108509423A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 陈羽中;林剑;郭昆;张伟智 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于二阶HMM的中标网页命名实体抽取方法，包括如下步骤：将中标网页的HTML代码转换为规范化的文本数据，并记录每个网页对应的标题；对规范化后的文本数据进行分词和词性标注；基于二阶HMM模型，对中标数据进行命名实体的上下文识别并将识别结果加入到候选命名实体集合中；基于二阶HMM模型和规则，对候选命名实体集合中的命名实体进行识别。本发明能够精确提取招标网站中的中标项目信息。 | ||
| 搜索关键词： | 命名实体 二阶 网页 文本数据 抽取 集合 上下文识别 词性标注 项目信息 规范化 分词 网站 招标 转换 记录 | ||
【主权项】：
1.一种基于二阶HMM的中标网页命名实体抽取方法，其特征在于：包括以下步骤：步骤A：将中标网页的HTML代码转换为规范化的文本数据，并记录每个网页对应的标题；步骤B：对步骤A所得到的规范化后的文本数据进行分词和词性标注；步骤C：基于二阶HMM模型，对中标数据进行命名实体的上下文识别并将识别结果加入到候选命名实体集合中；步骤D：基于二阶HMM模型和规则，对候选命名实体集合中的命名实体进行识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810300522.1/，转载请声明来源钻瓜专利网。
