基于gate的货物动态邮件信息抽取方法与应用研究

《基于gate的货物动态邮件信息抽取方法与应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP181论文编号：102870913-s038学科分类号：120100硕士学位论文基于GATE的货物动态邮件信息抽取方法与应用研究研究生姓名原欢学科、专业管理科学与工程研究方向管理信息系统与企业信息化指导教师胡正华副教授南京航空航天大学研究生院经济与管理学院二О一三年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofEconomicsandManagementGATEBasedCargoDynamicE-MailInformati

2、onExtractionAlgorithmandImplementationAThesisinManagementScienceandEngineeringbyYuanHuanAdvisedbyAssociateProfessorHuZhenghuaSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofManagementMarch,2013承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外

3、，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要长期以来，电子邮件作为当下常用的通讯手段，已经成为航运业业务往来的重要载体之一。但是，目前航运业内主要还是通过人工读取邮件的方式来获取信息。通过调查，中小规模的远洋运输企业业务员日均邮件处理量可以达到300

4、-400封，大型的远洋运输企业业务员的工作负担就更难以想象。面对如此庞大的邮件数量，人工处理方式不但效率低下，而且容易出现遗漏、错看等失误，因此，需要利用信息抽取技术，将同类业务邮件中的核心信息抽取出来，自动化地形成业务数据表，这样不仅可以在很大程度上降低手工工作量，还可以在抽取的信息上添加约束条件，以便根据企业业务的要求来过滤邮件。此外，航运业务邮件的类别包括报还盘邮件、合同邮件、船舶跟踪邮件、货物动态邮件、航次邮件等等。其中，货物动态邮件，即供货方提供给远洋运输公司的关于运货信息的业务邮件，它数量较大，内容也较复杂，因此本文选择货物动

5、态邮件作为研究对象。针对这一研究背景，本文提出了基于GATE的货物动态邮件信息抽取方法与应用研究，即采用基于规则的信息抽取技术，以及GATE文本工程通用体系框架作为论文研究的技术依据和开发平台。论文首先针对与研究命题相关的国内外研究现状进行研究，包括基于规则的信息抽取技术的研究现状、信息抽取系统的研究现状、信息抽取技术的应用现状以及抽取规则评价方法的研究现状等；接着，对相关基础理论进行概述，包括GATE平台介绍、规则学习算法设计以及JAPE规则定义语言的介绍。然后，基于GATE平台提供的开发组件，重点研究了抽取规则的机器学习算法和规则评价

6、的改进方法。最后，将论文所研究的信息抽取方法应用于货物动态邮件，抽取结果显示，该方法的抽取精确度可以达到85%，召回率可以达到87%，整体性能可以达到86%；同时，论文还将所研究的方法与经典的WHISK算法进行实验对比分析，证明该方法的科学性和有效性。关键词：GATE文本工程通用体系框架，信息抽取，规则评价方法，远洋运输I基于GATE的货物动态邮件信息抽取方法与应用研究AbstractAsacommoncommunicationtoolforyears,E-Mailhasbecomeoneoftheimportantcarriersofs

7、hippingbusiness.However,inshippingindustry,informationisstillacquiredmainlyfrommanuallyreadinge-mails.Investigationshowsthatinminorscaleshippingcompaniesabout300to400e-mailsneedtobedealtwithmanuallyperday,andthenumberinthelargeshippingenterprisesisevenmore.Themanualwayisn

8、otonlyinefficient,butalsoeasilyleadstoinformationomitandmisread.Forthosereasons,informationextra