基于GATE的貨物動態(tài)郵件信息抽取方法與應(yīng)用研究.pdf

1、長期以來，電子郵件作為當下常用的通訊手段，已經(jīng)成為航運業(yè)業(yè)務(wù)往來的重要載體之一。但是，目前航運業(yè)內(nèi)主要還是通過人工讀取郵件的方式來獲取信息。通過調(diào)查，中小規(guī)模的遠洋運輸企業(yè)業(yè)務(wù)員日均郵件處理量可以達到300-400封，大型的遠洋運輸企業(yè)業(yè)務(wù)員的工作負擔就更難以想象。面對如此龐大的郵件數(shù)量，人工處理方式不但效率低下，而且容易出現(xiàn)遺漏、錯看等失誤，因此，需要利用信息抽取技術(shù)，將同類業(yè)務(wù)郵件中的核心信息抽取出來，自動化地形成業(yè)務(wù)數(shù)據(jù)表，這樣不

2、僅可以在很大程度上降低手工工作量，還可以在抽取的信息上添加約束條件，以便根據(jù)企業(yè)業(yè)務(wù)的要求來過濾郵件。此外，航運業(yè)務(wù)郵件的類別包括報還盤郵件、合同郵件、船舶跟蹤?quán)]件、貨物動態(tài)郵件、航次郵件等等。其中，貨物動態(tài)郵件，即供貨方提供給遠洋運輸公司的關(guān)于運貨信息的業(yè)務(wù)郵件，它數(shù)量較大，內(nèi)容也較復雜，因此本文選擇貨物動態(tài)郵件作為研究對象。
　　針對這一研究背景，本文提出了基于GATE的貨物動態(tài)郵件信息抽取方法與應(yīng)用研究，即采用基于規(guī)則的信息

3、抽取技術(shù)，以及GATE文本工程通用體系框架作為論文研究的技術(shù)依據(jù)和開發(fā)平臺。論文首先針對與研究命題相關(guān)的國內(nèi)外研究現(xiàn)狀進行研究，包括基于規(guī)則的信息抽取技術(shù)的研究現(xiàn)狀、信息抽取系統(tǒng)的研究現(xiàn)狀、信息抽取技術(shù)的應(yīng)用現(xiàn)狀以及抽取規(guī)則評價方法的研究現(xiàn)狀等；接著，對相關(guān)基礎(chǔ)理論進行概述，包括GATE平臺介紹、規(guī)則學習算法設(shè)計以及JAPE規(guī)則定義語言的介紹。然后，基于GATE平臺提供的開發(fā)組件，重點研究了抽取規(guī)則的機器學習算法和規(guī)則評價的改進方法。最