特定領(lǐng)域術(shù)語自動抽取方法的研究.pdf

1、中文領(lǐng)域術(shù)語自動抽取是中文信息處理中的一項基礎(chǔ)性課題，在很多領(lǐng)域都有很重要的作用。如自然語言生成、計算詞典編撰學(xué)、句法分析、語料庫語言學(xué)的研究、統(tǒng)計機(jī)器翻譯、信息檢索、文本分類、文本摘要等領(lǐng)域中有廣泛的應(yīng)用。特別是針對開放語料而言，術(shù)語抽取的作用顯得十分重要。
　　本文在統(tǒng)計學(xué)與語言學(xué)的基礎(chǔ)上，研究和分析了術(shù)語的多方面特點，總結(jié)了術(shù)語的兩個基本特征：單元性和術(shù)語性，并提出了術(shù)語的形式化定義，這對于領(lǐng)域術(shù)語的自動抽取，具有很強(qiáng)的實際

2、操作性。
　　本文系統(tǒng)的研究和分析了現(xiàn)有的術(shù)語單元性和領(lǐng)域性的實現(xiàn)方法，并在此基礎(chǔ)上改進(jìn)和提出了判別術(shù)語單元性和領(lǐng)域性的新方法。通過實驗分析，這些方法在一定程度上提高了術(shù)語自動抽取的精度。
　　在判別術(shù)語單元性的部分中，中文多字術(shù)語抽取一直是術(shù)語自動抽取的難點問題。因此，本文使用改進(jìn)后的互信息參數(shù)，避免了傳統(tǒng)的互信息參數(shù)在字符串應(yīng)該如何分解上的問題，同時結(jié)合參數(shù)C-value在長術(shù)語抽取上的優(yōu)勢，定義了用于計算術(shù)語內(nèi)部結(jié)合強(qiáng)

3、度的統(tǒng)計參數(shù)C-MI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。
　　在判別術(shù)語領(lǐng)域性的部分中，本文采用了基于統(tǒng)計與規(guī)則相結(jié)合的方法。通過對術(shù)語定義的分析，本文可以看出術(shù)語是某一特定領(lǐng)域的被定義項。這種對術(shù)語的界定將術(shù)語與術(shù)語定義結(jié)合起來，將術(shù)語和普通詞語區(qū)分開來，有效的判別了候選術(shù)語的領(lǐng)域性。同時，對于缺少術(shù)語定義信息的候選術(shù)語，本文使用信息熵判別其領(lǐng)域特征。
　　本文綜合運(yùn)用論文中研究的方法和設(shè)