異構信息源的領域人物信息抽取研究.pdf

1、隨著互聯網的社會的各個方面的滲透，個人信息越來越多地出現在網上。人物搜索引擎作為互聯網技術的一部分，近幾年剛剛興起，而針對某一特定領域的人物搜索也是一項新生事物，對其研究還不成熟。目前高校教師的教學水平和研究水平越來越受到關注，高校教師的信息搜索需求也越來越大，本文以高校計算機專業(yè)的教師的信息抽取為應用背景，對異構信息源的領域人物信息抽取進行研究，并實現了一個高校計算機專業(yè)的教師人物志系統(tǒng)。本文重點對以下問題進行了研究：
　　首先

2、，本文采用基于主題爬蟲的方法來獲取人物信息網頁和從搜索引擎返回的結果網頁中識別出包含人物信息的網頁兩種方式來獲取數據源，將該網頁識別問題看作一個網頁分類問題，根據網頁的結構特征和網頁的內容特征提取網頁的特征，運用SVM模型進行分類。為了提高分類的時間效率，提出了兩種特征選擇方法，即特征項對類的貢獻度以及SVM訓練權重的特征選擇方法。
　　其次，根據包含人物信息網頁的特點，本文對包含人物信息的網頁進行分類。在分類方法上，結合網頁的結

3、構特征和內容特征，提出了基于規(guī)則與機器學習相結合的方法進行網頁分類。在處理多記錄網頁的分類上，本文采用了基于HTML標簽密度與基于內容的分類方法。在處理單記錄網頁的分類上，基于網頁結構進行特征提取，并使用了SVM模型設計分類器，實驗結果顯示基于規(guī)則與基于網頁結構特征的分類器取得了比較好的效果。
　　第三，本文在對包含人物信息的網頁進行分類的基礎上，提出了基于規(guī)則的人物屬性抽取方法。首先構造領域人物信息抽取的觸發(fā)詞庫，同時根據領域人