成果描述：

多屬性文本自適應系 統主要實現對每個未 知屬性的通信實體進 行屬性標注的功能。 主要分為兩個過程， 即訓練過程和預測過 程。 在訓練過程中，系統 根據用戶提供的已經 具有屬性的數據集、 用戶選擇的分類算法 所對應的參數進行訓 練，得到訓練模型。 在預測過程中，系統 根據用戶選擇的訓練 模型對未知屬性的數 據集中的每個實體進 行屬性標注，并得到 標注過屬性的數據集 。（注：在訓練過程 中，用戶可以使用在 訓練數據集上進行交 叉驗證的方法獲得在 固定參數和分類算法 下模型對未知樣本預 測的性能的大致估計 。）

市場前景分析：

隨著互聯網的迅速發 展，Web頁面上的信 息量呈指數級急劇增 長，如何快速、準確 地從海量數據中抽取 出用戶真正需要的信 息已經成為互聯網對 科研工作者提出的嚴 峻挑戰。 屬性標注能夠將網頁 非結構化文本內容轉 化為結構化的屬性數 據，方便用戶查詢和 進一步分析使用；其 作為信息抽取的關鍵 一步，對提高信息抽 取的性能方面也具有 重要意義。

與同類成果相比的優勢分析：

包括訓練和預測兩個 過程，實現對不同數 據集的自適應性屬性 標注； 特征選擇功能，可以 在訓練模型時，選擇 出對區分數據類別更 有用的特征詞，這樣 ，可以降低實體所對 應屬性的維度，從而 ，減少占用的內容空 間，提高計算效率； 交叉驗證功能，幫助 我們在訓練階段，就 可以了解參數和算法 的選擇，對屬性標注 時準確性的影響； 生成報告功能，可以 在訓練階段的交叉驗 證結束后，產生一個 訓練階段的報告，幫 助用戶更好地記錄實 驗數據、參數、時間 和準確性等信息； 評估功能，比較模型 標注結果與樣本真實 標簽的一致性、差異 性，以評價一個模型 的好壞。