多属性文本自适应标注系统

电子信息

多属性文本自适应系统主要实现对每个未知属性的通信实体进行属性标注的功能。 主要分为两个过程， 即训练过程和预测过 程。 在训练过程中，系统 根据用户提供的已经 具有属性的数据集、 用户选择的分类算法 所对应的参数进行训 练，得到训练模型。 在预测过程中，系统 根据用户选择的训练 模型对未知属性的数 据集中的每个实体进 行属性标注，并得到 标注过属性的数据集 。（注：在训练过程 中，用户可以使用在 训练数据集上进行交 叉验证的方法获得在 固定参数和分类算法 下模型对未知样本预 测的性能的大致估计 。）

包括训练和预测两个 过程，实现对不同数 据集的自适应性属性 标注； 特征选择功能，可以 在训练模型时，选择 出对区分数据类别更 有用的特征词，这样 ，可以降低实体所对 应属性的维度，从而 ，减少占用的内容空 间，提高计算效率； 交叉验证功能，帮助 我们在训练阶段，就 可以了解参数和算法 的选择，对属性标注 时准确性的影响； 生成报告功能，可以 在训练阶段的交叉验 证结束后，产生一个 训练阶段的报告，帮 助用户更好地记录实 验数据、参数、时间 和准确性等信息； 评估功能，比较模型 标注结果与样本真实 标签的一致性、差异 性，以评价一个模型 的好坏。

随着互联网的迅速发 展，Web页面上的信 息量呈指数级急剧增 长，如何快速、准确 地从海量数据中抽取 出用户真正需要的信 息已经成为互联网对 科研工作者提出的严 峻挑战。 属性标注能够将网页 非结构化文本内容转 化为结构化的属性数 据，方便用户查询和 进一步分析使用；其 作为信息抽取的关键 一步，对提高信息抽 取的性能方面也具有 重要意义。