基于字典匹配和支持向量机的中文科技论文元数据抽取

摘要：

针对中文PDF格式论文元数据抽取问题,对大量中文科技论文进行分析归纳,总结出中文论文元数据的互不包含性、排它性、重复性、顺序性和部分确定性,并据此定义简单元数据和复杂元数据的概念,应用字典匹配和支持向量机模型抽取中文科技论文元数据.实验结果表明,该模型的综合性能指标在96％以上,优于条件随机场模型和隐马尔科夫模型.

关键词：元数据抽取、抽取模型、字典匹配、支持向量机、中文科技论文

所属期刊栏目：29

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金60803074;中央高校基本科研业务费专项资金DUT10JR06

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：586-592