基于条件随机场与句法分析的通用网页人物信息提取方法

摘要

本发明公开了一种基于条件随机场与句法分析的通用网页人物信息提取方法，包括以下步骤：S1、提取网页正文；S2、设定人物属性；S3、训练条件随机场模型。本发明通过求最佳候选节点公共祖先节点来定位文本区域并二次清洗噪声来提取正文，计算量较少且对正文区域分割较准；对文本应用句法分析并以句法分析结果作为高层特征，训练树状条件随机场进行人物属性标注，使用较少训练数据即可获得一定的标注效果。可以充分地利用各种样式的人物网页，不局限于含结构化表格或固定模板的网页，高效提取信息。