[发明专利]一种基于特征模型的跨领域信息抽取方法

摘要

本发明公开了一种基于特征模型的跨领域信息抽取方法。该方法分为多层次特征模型的建立、特征选择与组合以及反馈迭代机制三部分。引入了遗传算法并采用支持向量机进行交叉验证的特征空间生成算法，根据不同领域的原子特征，生成满足抽取任务要求的特征模型。它避免了传统Web信息抽取方法的领域适应度差的问题。大量的数值实验表明，与同类方法相比，该方法具有更高准确率和稳定性，并且算法本身有很好的可扩展性。

主权项

一种基于特征模型的跨领域信息抽取方法，其特征在于，具体操作步骤如下：a.建立多层次特征模型，对现有信息抽取方法中使用到的特征进行归纳总结，将这些特征分解为领域依赖性较低的原子特征，并依据分解的程度建立多层次特征模型，参考现有的特征参数化方法进行特征的参数化，最后，对参数化后的特征建立特征领域适应性分析的评价体系，即每个特征对于不同的领域都有一个初始的适应度值，这个值作为特征选择的初始化依据；b.特征选择与组合，通过步骤a中得到的特征的参数化计算结果，使用类似TF‑IDF的方法来计算特征的领域适应度值，依据特征的领域适应度值来选择合适的特征，构造特征向量空间；c.反馈迭代，根据步骤b得到的特征向量空间在训练样本集中进行交叉验证，得到抽取推理模型的抽取效果作为反馈的结果，根据反馈的结果采取基于遗传算法的特征选择方法来修正特征向量空间。