【摘要】：快速發(fā)展的“互聯(lián)網(wǎng)+”極大程度上便利了人們的生活,同時也深刻變革了很多行業(yè)。以“互聯(lián)網(wǎng)+租房”為例,目前市面上就存在著諸如安居客、搜房網(wǎng)等多種線上房屋租賃信息平臺。租客在租賃房屋時,多數(shù)用戶會優(yōu)先通過互聯(lián)網(wǎng)方式來租賃房屋。然而大量網(wǎng)絡上的租賃信息存在很多缺點,例如有的對信息本身的篩查把關不夠嚴格,大多會出現(xiàn)夸大或隱瞞的情況;有的會收取一定數(shù)額的中介費用,這對希望可以直接聯(lián)系房東并節(jié)省中介費的租客來說可以是一筆可控支出。當下租賃房屋已成為很多人的熱點需求,對于如何在網(wǎng)頁上撥開繁雜的大量無用信息準確快速地找到精準信息,并剔除中介高效地聯(lián)系出租者或求租者,則變得很有意義。本文針對希望在互聯(lián)網(wǎng)上得到比較真實的房源,并尋求經濟的租客而言,構建了一個基于信息抽取技術的房屋租賃信息平臺。該平臺致力于搜集網(wǎng)頁上海量的出租和求租信息,對于目標群體傾向于信息真實,乃至經濟的特點,設計開發(fā)了此房屋租賃信息平臺。平臺主要搜集顯示了網(wǎng)頁上個人發(fā)布的非中介房源信息,對于出租者用戶和求租者用戶都有較好的信息體驗。在信息的收集上,本文主要搜集來自豆瓣租房小組和各大校園BBS等社區(qū)網(wǎng)站,提取房源的詳細信息。用戶可根據(jù)關鍵地理位置和期望價格篩選目標信息,本平臺提供的信息源基于爬蟲技術以及規(guī)則和深度學習的信息抽取技術。本平臺基于的信息抽取,主要是對中文命名實體進行識別抽取。目前針對序列標注領域的命名實體識別問題,主流的解決模型是將神經網(wǎng)絡與CRF(條件隨機場)模型相結合的RNN-CRF(循環(huán)神經網(wǎng)絡-條件隨機場)模型,但RNN(循環(huán)神經網(wǎng)絡)在處理長文本時存在梯度彌散的不足,常用LSTM(長短時記憶模型)來代替,所以本信息抽取模型選取了 BiLSTM-CRF(雙向長短時記憶模型-條件隨機場)模型實現(xiàn)對房源具體信息中地理位置和機構名的識別抽取工作;而對于房源具體信息中的價格以及供需關系,則采用基于規(guī)則的信息抽取模型。
【圖文】：

處理任務按照序列化機制，某一結點的輸出要依賴前面結點的計算結果輸入，因逡逑此可以認為ＲＮＮ具有記憶能力可以處理前后關聯(lián)的數(shù)據(jù)。從理論上來講ＲＮＮ可逡逑以長時間序列化數(shù)據(jù)，但在實際效果中其往往只能向前查看幾步，其結構如圖２－１逡逑所示：逡逑在很多自然語言處理方面的問題上ＲＮＮ己經取得了十分顯著的效果：像詞逡逑性標注，語句檢查等。目前長短時記憶模型ＬＳＴＭ邋（Ｌｏｎｇ邋Ｓｈｏｒｔ－Ｔｅｒｍ邋Ｍｅｍｏｒｙ）逡逑是應用最為廣泛的ＲＮＮ模型，這種模型在處理長期依賴時的效果要遠遠優(yōu)于其逡逑他模型＇逡逑0ｕｔｐｕｔ邋Ｌａｙｅｒ邐’逡逑ＨｉｄｄｅｎＬａｙｅｒ邋ｃｋ逡逑ｉｎｐｕｔ邋Ｌａｙｅｒ邐＾逡逑圖２－１循環(huán)神經網(wǎng)絡結構－圖逡逑２．３．３長短時記憶模型逡逑長短時記憶模型（ＬＳＴＭ，邋Ｌｏｎｇ邋Ｓｈｏｒｔ－邋Ｔｅｒｍ邋Ｍｅｍｏｒｙ），是屬于ＲＮＮ結構模逡逑型中的一種具體模型，ＬＳＴＭ可以解決標準循環(huán)神經網(wǎng)絡產生的長距離依賴問題逡逑的缺陷，長時間傳遞梯度來使信息保持持久。其目的是使用過去的序列信息來推逡逑測當前的序列信息。逡逑１４逡逑

Ｚｆｘ逡逑圖２－２ＬＳＴＭ結構圖逡逑如圖２－２所示，ＬＳＴＭ結構中的基本節(jié)點稱為“ｃｅｌｌ”，輸入及輸出分別由輸逡逑入門（Ｉｎｐｕｔ邋Ｇａｔｅ）、輸出門（Ｏｕｔｐｕｔ邋Ｇａｔｅ）與ｃｅｌｌ交互，模型中同時加入遺忘門逡逑（ＦｏｒｇｅｔＧａｔｅ）用以將不再需要的伯息丟棄，以達到一定程度上的記憶效果［２Ｇ］。逡逑通過遺忘門決定從ｃｅｌｌ狀態(tài)中丟棄信息的程度，由ｓ＾ｍｏｉｄ函數(shù)將權值設為０逡逑到１之間的值：逡逑ｆｔ邋＝邋ｓｉｇｍｏｉｄ｛ＵｆＸｔ邋＋邋Ｗｆｈｔ＿ｘ邋＋邋ｂｆ）邐（２－１邋）逡逑式（２－１）中，ｘｔ是當前時刻的輸入向量，心＾是前一步隱藏層輸出的向量，＾逡逑表示輸入信息的權值參數(shù)，Ｗｆ表示遺忘門循環(huán)的權值參數(shù)，嶺是偏置項。逡逑在決定細胞的狀態(tài)需要更新的信息時，，首先需要輸入門確定更新的值，通過逡逑ｓ＾ｍｏｉｄ函數(shù)獲得一個０到１之間的值，再通過ｔａｎ／ｉ函數(shù)獲得新的候選細胞狀態(tài)逡逑向量：逡逑ｉｔ邋＝邋ｓｉｇｍｏｉｄ｛ＪＵｉＸｔ邋＋邋Ｗｉｈ＾邋＋邋ｂｉ）邐（２－２邋）逡逑ｃ＇ｔ邋＝邋ｔａｎｈ（Ｕｃｘｔ邋＋邋Ｗｃｈｔ＾－ｉ邋＋邋ｂｃ）邐（２－３邋）逡逑式（２－２邋）中
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.1;TP393.09

【相似文獻】

相關期刊論文 前10條

1 孫師堯;;信息抽取技術在軍事標圖系統(tǒng)中的應用[J];電子科技;2013年12期

2 鄭彥寧;鄧擘;;信息抽取技術在情報學中的應用分析[J];情報理論與實踐;2008年05期

3 趙國榮;;數(shù)字圖書館信息抽取技術及應用[J];晉圖學刊;2007年05期

4 張亞學;榮志光;曹林華;;淺談信息抽取技術的“四種形式”和“四種功能”[J];國防技術基礎;2006年10期

5 李芳,盛煥燁,姚天f ;信息檢索與信息抽取技術的研究[J];計算機應用研究;2002年01期

6 崔繼馨,孔維平;Web信息抽取技術的研究[J];信息技術教育;2004年10期

7 胡立諾;胡立巖;;技術檢測中的信息抽取技術的應用分析[J];價值工程;2014年21期

8 李昕;王紅梅;;信息抽取技術探析[J];通化師范學院學報;2008年04期

9 李中言;李普躍;;信息抽取技術在數(shù)字圖書館中的應用[J];現(xiàn)代情報;2007年10期

10 郭興;柯鵬;徐媛;李宗榮;;論垂直搜索引擎中的信息抽取技術的選用[J];醫(yī)學信息;2006年12期

相關會議論文 前8條

1 肖詩斌;孫麗華;王弘尉;施水才;;指標信息抽取技術的研究[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

2 陳靜;朱巧明;貢正仙;李培鋒;;特定本體指導的信息抽取技術研究[A];內容計算的研究與應用前沿——第九屆全國計算語言學學術會議論文集[C];2007年

3 李昕;朱永盛 ;武港山;;論壇消息語義結構的提取與分析[A];NCIRCS2004第一屆全國信息檢索與內容安全學術會議論文集[C];2004年

4 袁鴻雁;;Web表格信息抽取技術的研究[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

5 張霄軍;;Web漢英平行新聞語料獲取的困難及對策[A];第十屆全國少數(shù)民族語言文字信息處理學術研討會論文集[C];2005年

6 李紀華;夏薇;;基于XML的web信息提取方法研究[A];全國高校社科信息資料研究會第六次會員代表大會暨第13次學術研討會論文集[C];2010年

7 吳平博;陳群秀;馬亮;;基于時空分析的線索性事件的抽取與集成系統(tǒng)研究[A];全國第八屆計算語言學聯(lián)合學術會議（JSCL-2005）論文集[C];2005年

8 付瑞吉;秦兵;劉挺;;面向音樂領域的文本檢索與挖掘系統(tǒng)[A];第五屆全國青年計算語言學研討會論文集[C];2010年

相關重要報紙文章 前2條

1 史小敏;前景廣闊的信息抽取技術[N];解放軍報;2004年

2 本報記者 張佳星;靠這個“譜”讓機器會思考[N];科技日報;2018年

相關碩士學位論文 前10條

1 李長遠;面向運營商資費知識圖譜的信息抽取技術研究與應用[D];北京郵電大學;2019年

2 余鵬;基于信息抽取技術的房屋租賃信息平臺的設計與實現(xiàn)[D];華中師范大學;2018年

3 段紹楊;事件抽取關鍵技術研究[D];天津大學;2018年

4 吳蘭蘭;基于本體的文本信息抽取技術及實現(xiàn)[D];東北師范大學;2011年

5 周峰;基于信息抽取技術的復雜網(wǎng)絡自動構建的研究與實現(xiàn)[D];北京郵電大學;2009年

6 石宇;基于XML的Web信息抽取與集成技術的研究[D];大連海事大學;2006年

7 秦磊;基于XML的信息抽取和集成模型的研究與設計[D];南昌大學;2007年

8 程書紅;基于XML的Web信息抽取設計與實現(xiàn)[D];重慶大學;2007年

9 李知穎;基于包裝器模型的信息抽取算法研究[D];東北師范大學;2009年

10 任仲晟;基于樹形結構的Web信息抽取技術研究[D];廈門大學;2007年

本文編號：2655920