專利申請?zhí)?/span>:  

CN200910091375.2

專利類型:

發(fā)明

IPC 分類號:   

G06F17/30

應(yīng)用領(lǐng)域:  

用于 Web 視頻頁面中準確有效的提取文本信息。

現(xiàn)有技術(shù)缺點:  

現(xiàn)有技術(shù)的算法無法直接應(yīng)用到復雜命名識別抽取中；同時算法也沒有對命名實體做精細的類別劃分。

技術(shù)優(yōu)勢:

1、精確提取 Web 視頻頁面中的文本信息；

2、能夠抽取出各個類別中的復雜命名實體，為用戶推薦最新最熱門的各類信息；

3、頻頁面的變化發(fā)現(xiàn)新的復雜命名實體，具有及時、快速、準確的技術(shù)效果；

4、通過從候選特征詞中選擇出在類別內(nèi)均勻分布在類別間集中分布的詞為特征詞，去除存在干擾的特征詞，提高抽取準確性。

摘要:   

本發(fā)明涉及 Web 視頻頁面的復雜命名實體的抽取方法及系統(tǒng)，方法包括：步驟 1，對于 Web 視頻頁面集合中的每個 Web 視頻頁面，從Web 視頻頁面中抽取有效文本信息，有效文本信息組成視頻文本， 所有視頻文本組成訓練集合；步驟 2，對 Web 視頻頁面進行歸類， 選擇類別，對于每個被選的類別設(shè)置引導詞，從訓練集合中選擇同引導詞相關(guān)并且在類別內(nèi)均勻分布在類別間集中分布的詞為特征詞；步驟 3，從訓練集合中提取出同特征詞相關(guān)的詞為候選復雜命名實體，按候選命名實體相關(guān)的特征詞同類別的關(guān)聯(lián)度，為各個被選類別從候選命名實體中選擇對應(yīng)的復雜命名實體。本發(fā)明能夠不需要經(jīng)過長時間的模型訓練而從 Web 視頻頁面中提取復雜命名實體。

（以上資訊來源于網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系管理員刪除。）