摘 要:针对现有实体识别方法自动化水平不高、适应性差等不足,提出一种基于反向传播(BP)神经网络的Deep Web实体识别方法.该方法将实体分块后利用反向传播神经网络的自主学习特性,将语义块相似度值作为反向传播神经网络的输入,通过训练得到正确的实体识别模型,从而实现对异构数据源的自动化实体识别.实验结果表明,所提方法的应用不仅能够减少实体识别中的人工干预,而且能够提高实体识别的效率和准确率.关 键 词 :Deep Web;反向传播神经网络;实体识别;相似度;语义块中图分类号: TP311.1;TP391.1 文献标志码:A英文标题
有关论文范文主题研究: | 关于实体的论文范文数据库 | 大学生适用: | 电大毕业论文、学士学位论文 |
---|---|---|---|
相关参考文献下载数量: | 42 | 写作解决问题: | 本科论文怎么写 |
毕业论文开题报告: | 标准论文格式、论文设计 | 职称论文适用: | 期刊目录、职称评副高 |
所属大学生专业类别: | 本科论文怎么写 | 论文题目推荐度: | 最新题目 |