吴天月,林欧旺,湘黔欧黄,方欧万,文聪欧张,，程源PY-2017 DA-2017/12/12 TI-基于深度信念网络SP-5067069 VL的学术活动交易提取-2017 AB-从非结构化文档中提取学术活动交易信息是研究人员学术行为分析中的一个关键问题。学术活动交易包括五个要素：人、活动、对象、属性和时间短语。传统的信息提取方法是先提取文本浅层特征，然后在监督下从文本中识别高级特征。由于不同层次的信息处理是分步完成的，因此各个步骤产生的误差会积累起来，影响最终结果的准确性。然而，由于深度信念网络（DBN）模型能够自动无监督地从浅文本特征中学习高级特征，因此该模型被用于提取学术活动事务。此外，我们使用基于字符的特征来描述学术活动命名实体的原始特征，以提高命名实体识别的准确性。本文分别采用基于字符的特征向量和基于单词的特征向量来表达文本特征，并与传统的基于条件随机场的文本信息提取方法进行了比较。结果表明，DBN模型对于学术活动交易信息的提取更为有效。SN-1687-5680 UR-https://doi.org/10.1155/2017/5067069 DO-10.1155/2017/5067069 JF-多媒体PB的进展-印度群岛KW-ER-