簡(jiǎn)歷及軟件需求信息抽取方法研究.pdf

1、自由文本中有著這樣一類信息,它們?cè)趦?nèi)容上是以非結(jié)構(gòu)化方式存儲(chǔ),但是在本質(zhì)上是遵循著一定的標(biāo)準(zhǔn),具有結(jié)構(gòu)可分析性。像簡(jiǎn)歷,病歷和滿足一定書寫標(biāo)準(zhǔn)的需求文檔等。本文針對(duì)簡(jiǎn)歷信息抽取和軟件產(chǎn)品線功能需求信息抽取領(lǐng)域,提出了一個(gè)基于本體的信息抽取框架。本體的概念分為實(shí)體概念和事件概念,并且定義了這些概念之間可能存在的關(guān)系。在信息抽取過(guò)程中利用了本體中的實(shí)體概念、事件概念,概念間的關(guān)系和實(shí)例。本體的引入保證了結(jié)構(gòu)的一致性,使來(lái)源不同的數(shù)據(jù)都能以統(tǒng)

2、一的視圖呈現(xiàn),使得信息抽取結(jié)果更加準(zhǔn)確。在簡(jiǎn)歷信息抽取領(lǐng)域,通過(guò)對(duì)大量簡(jiǎn)歷文本的分析,概括出了一個(gè)簡(jiǎn)歷信息的本體模型,本體模型中包括了相關(guān)的實(shí)體概念,并且將簡(jiǎn)歷中的教育經(jīng)歷、工作經(jīng)歷和獲獎(jiǎng)經(jīng)歷作為事件概念,設(shè)計(jì)了概念之間的關(guān)系。在信息抽取實(shí)現(xiàn)中,在文本預(yù)處理階段,利用概念實(shí)例的名稱提高中文分詞的準(zhǔn)確性;在實(shí)體信息抽取階段,利用本體中的實(shí)體概念和概念關(guān)系,編寫抽取規(guī)則,抽取出實(shí)體概念;在此基礎(chǔ)上,結(jié)合本體中的事件概念及事件與其構(gòu)成要素之間

3、的關(guān)系,利用已經(jīng)抽取出來(lái)的實(shí)體信息,識(shí)別出文本中的事件信息,抽取出事件概念。在軟件產(chǎn)品線功能需求抽取領(lǐng)域,針對(duì)符合IEEE-STD-830標(biāo)準(zhǔn)的需求文檔,根據(jù)軟件產(chǎn)品線需求分析中不同于一般需求分析的特點(diǎn),提出了一個(gè)能體現(xiàn)出需求可變性的EFRF模型。每個(gè)功能就是一個(gè)可變點(diǎn),每個(gè)可變點(diǎn)中又分析概括出了10個(gè)語(yǔ)義case。創(chuàng)建了EFRF本體,將10個(gè)語(yǔ)義case和體現(xiàn)不同需求描述的分隔符等信息作為實(shí)體概念,事件概念對(duì)應(yīng)可變點(diǎn),由相應(yīng)的實(shí)體概念