استخراج اطلاعات خاص از اسناد نیمه ساخت یافته با استفاده از یادگیری ماشین

با رشد وسیع اطلاعاتی که روزانه در وب در دسترس قرار می گیرد، توانایی توسعه سریع عاملهای اطلاعاتی جهت بازیابی و استخراج اطلاعات جدی تر شده است . جزء حیاتی هر عامل اطلاعاتی در وب ، مجموعه ای از پوشش هاست که می توانند اطلاعات مربوطه را از منابع اطلاعاتی نیمه ساخت یافته استخراج نمایند. سیستمهای استقراء پوشش ، از یادگیری استقرایی که یکی از روشهای یادگیری ماشین می باشد، جهت تولید خودکار پوشش استفاده می کنند. این سیستمها با توجه به مثالهای آموزشی بر چسب خورده توسط کاربر، الگوهای استخراج را استنتاج می نمایند. برچسب گذاری مثالهای آموزشی مهمترین محدودیت در طراحی سیستمهای استقراء پوشش می باشد. هدف از نمونه برداری انتخابی که یکی از روشهای یادگیری فعال است ، کاهش میزان برچسب گذاری می باشد. این رساله یک سیستم استقراء پوشش توسعه داده است که از الگوهای مشترک بین مثالهای آموزشی برچسب نخورده، به منظور نمونه برداری انتخابی و تولید الگوهای استخراج استفاده می نماید. این سیستم با بهترین سیستم استقراء پوشش یعنی stalker مقایسه شده است . نتایج آزمایشات نشان می دهند که سیستم طراحی شده می تواند با برچسب گذاری کمتر، به صحتی در سطح سیستم stalker برسد.