專業(yè)領域術語抽取的研究.pdf

1、本文對漢語術語的抽取進行了一定的研究，設計了一個統(tǒng)計方法和規(guī)則方法相結合的漢語專業(yè)領域術語抽取算法，并具體實現(xiàn)。在本文的實驗系統(tǒng)DSTES中，共有四個核心模塊：預處理模塊，對系統(tǒng)的輸入——生語料進行預處理，加入自定義標記；雙字種子抽取模塊，利用過濾詞表對熟語料做進一步的操作，之后從中抽取符合統(tǒng)計標準的雙字種子；雙字種子擴展模塊，對種子列表中的每一個雙字種子均執(zhí)行擴充操作，得到候選多字術語項；后期處理模塊，對多字術語候選項作最后的處理，

2、過濾其中的非術語詞匯。系統(tǒng)首先利用統(tǒng)計模型從真實文本中抽取多字術語候選項，其中包含很多非術語項，因此必須考慮過濾操作。作者利用漢語語法規(guī)則和術語學原理，設計了一個多層過濾模型，其中使用的主要過濾技術有三個，這是本文的主要創(chuàng)新所在：符號和詞類過濾，利用標點符號、特殊符號（如幾何符號）及詞類信息進行篩選；領域相關性和領域一致性過濾，考察候選項在特定領域及對比領域中的使用情況；模板匹配過濾，排除符合某些特定模版的候選項。最終測試結果顯示,