中文術(shù)語自動抽取相關(guān)方法研究.pdf

1、本文研究了術(shù)語在統(tǒng)計學(xué)上和在語言上的特點，總結(jié)了術(shù)語的兩個基本特征：單元性(Unithood)和術(shù)語性(Termhood)，并將根據(jù)中文術(shù)語的組成方式將術(shù)語分為兩類：簡單術(shù)語與復(fù)雜術(shù)語。通過對各種術(shù)語抽取模型的對比分析，本文對中文術(shù)語抽取進行了深入研究。 第一，建立了針對復(fù)雜術(shù)語的字符串分解模型。通過對中文多字術(shù)語特征的研究，并在國內(nèi)外其他研究者的基礎(chǔ)上進一步深入地探討了多字術(shù)語與簡單術(shù)語之間的關(guān)系，并提出了能深刻描述這種關(guān)系的

2、符合術(shù)語構(gòu)詞特點的字符串分解模型。 第二，綜合C-value參數(shù)和互信息參數(shù)的優(yōu)點，構(gòu)造了用于中文術(shù)語抽取的F-MI參數(shù)及其公式。該參數(shù)的設(shè)計符合術(shù)語的構(gòu)成特點，測試實驗顯示出了良好的效果。第三，設(shè)計并實現(xiàn)了針對開放語料的中文術(shù)語自動抽取系統(tǒng)。 第四，提出了建立錯誤術(shù)語庫的思想。錯誤術(shù)語庫將有助于在其他研究或應(yīng)用中避開錯誤術(shù)語的影響，也有助于在評測中減少人工評測的工作量，還可以供研究者對錯誤術(shù)語進行研究，改進術(shù)語抽取算法