摘要：为了解决在信息提取中，召回率和精度都不高的问题，提出了改进的HMM（Hidden Markov Models）模型，该模型采用一种新的文本分块技术。通过文本的语义特征和结构特征，抽取具有特征的状态，并在此基础上，抽取剩余的无特征的状态改进HMM，测试了由卡耐基梅隆大学数据搜索引擎研究小组所提供的100篇计算机科学文件头部。结果表明，与基于字词和传统的HMM方法相比，召回率和精确率分别达到了91．99％和94．79％。

原文链接:http://www.cqvip.com//QK/97462A/200904/31171264.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）