一种规则与SVM结合的论文抽取方法_李雪驹

资 源 简 介

一种规则与SVM结合的论文抽取方法_李雪驹

详 情 说 明

这篇文章介绍了一种结合规则方法和支持向量机(SVM)的论文信息抽取技术。该方法由李雪驹提出，主要针对学术论文的结构化信息提取问题。

传统的论文信息抽取方法主要有两种：基于规则的方法和基于机器学习的方法。规则方法虽然精确但适应性差，而纯机器学习方法需要大量标注数据。作者提出的混合方法很好地结合了两者的优势。

该方法首先使用精心设计的规则系统进行初步抽取，这些规则考虑了论文的格式特征、位置信息和常见表达模式。然后将规则抽取的结果作为特征输入到SVM分类器中。SVM模型通过学习大量样本，可以修正规则系统的错误，并处理一些特殊情况。

在特征工程方面，除了规则抽取结果外，还加入了文本特征、位置特征和上下文特征等。这使得模型不仅能利用人工定义的规则知识，还能学习数据中的潜在规律。

实验结果表明，这种混合方法相比单一的规则方法或SVM方法，在准确率和召回率上都有显著提升。特别是在处理格式不规范或表达方式多样的论文时，优势更为明显。