特定领域术语的自动获取

《特定领域术语的自动获取》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1．1课题研究的背景及意义第一章绪论科学技术高速发展的今天，随着信息高速公路的兴起，每天都有大量的数据文件以电子形式进行交流，科技文献也大量涌现，随之而来的是大批新的领域词汇(术语)。领域词汇集中体现和负载了一个学科领域的核心知识Il】，词汇的变化在一定程度上反映了一个学科领域的发展变化。领域词汇对于了解、把握一个学科领域的发展现状、未来趋向等具有重要的理论和现实意义。随着中文信息处理应用领域的不断扩展，对于领域专业词汇词典的需求也越来越迫切。研究证明把领域知识应用于信息处理的各种技术，例如信息检索、信息提取、数据挖掘等

2、中去都会取得很好的效果，而这种方法的性能在很大程度上依赖于一个庞大的领域知识库。到目前为止，已经构造了包含30多万项次的领域知识库，主要依靠人工构建，代价十分巨大而且进展缓慢。知识获取一直是自然语言处理的重要研究课题。目前很多著名的知识库主要依靠手工构建，如wbrd№t【2J，How№t【3】等，并且这些知识库描述的都是一些通用信息，不同的专业领域由它们自身特有的予语言来刻厕，包含特定的专业术语等，那么用一个单一的知识库来代表这众多的子语言几乎是不可能的。特定领域术语词典的构建在自然语言处理的许多应用领域中具有重要的理论

3、和实践意义，是一个影响着自然语言处理领域中许多其他应用问题的“基础问题”。具体来说，领域术语词典的应用领域主要包括：·领域0ntology：领域本体14j定义了组成主体领域的词汇的基本术语和关系，以及用于组合术语和关系一起定义词汇的外延的规则。领域本体形式化表达领域中的各种概念及概念之间的关系，而这些概念就是用该领域术语来表达，因而领域术语集在构建领域Ontology方面发挥着重要的作用。本体技术已经发展成为知识表示、知识管理、知识共享、知识复用的主流技术之一，正成为自然语言处理、W曲信息检索、数据库和知识库的管理、异构

4、数据集成、数字图书馆、GIs、语义w曲等研究领域共同关心的一介核心，因此领域术语集选取的好坏直接影响着构建领域ontology的质量。·主题内容分析和文本分类：如文本分类、自动文摘、信息抽取等，只有对文本中的核心术语进行识别，才能正确地分析文本和句子的概念和主题。·信息检索：在信息检索中，人们往往需要得到的是与该术语相关的文本，而受到传统检索的影响，检索仅仅是根据字面进行逐字匹配，而得到有限的信息。在信息检索中引入领域术语集，可以大大提高检索的准确率，并达到较高的信息覆盖。可见，只要涉及自然语言处理的计算机应用中，领域术

5、语词典的获得是不可回避的问题。因此，作为自然语言处理过程中的一个重要基础性问题，领域术语获取的研究具有重要的理论和实践意义，它的研究成果可以直接应用于自然语言处理的许多方面。1．2国内外学术界对领域术语自动获取的研究1．2．1国外的研究状况当前，国外学者对领域术语自动选取工作的研究主要是基于语料库的基础上进行的。领域术语的自动选取是在术语抽取的结果上进行的加工，将抽取出来的术语进行分类，构成相关领域的术语集合。最早的关于术语抽取的研究是H．P-hlln所做的工作，到目前为止，国外已经有很多学者参与领域术语获取工作的研究，

6、并且取得了一定成效。综合起来，主要有以下几种方法。1、利用规则进行领域术语获取编制的规则主要依赖语言学家的语言知识，该类方法需要构造描述术语特点的规则库。规则库中的规则用于描述术语的特征和各领域术语的通用特征。由于规则为人工编制，受人所具有知识的限制，并且不同专家编写的规则不同，具有较大的不一致性，更主要的问题是手工编写规则既费时又费力，并且在领域术语选取时使用手工筛选，存在严重的知识获取的“瓶颈”问题，因此目前单纯使用基于手工编制规则的领域术语获取方法已经比较少了。2、利用词典资源进行领域术语获取领域术语分类信息可以从

7、相关的专业术语集中获取，比如《汉语主题词表》就是一部大型综合检索工具书，收录正式主题词条，非正式主题词条。主要根据领域词典信息，对术语进行选择和对新术语进行发现，但它仍然存在一些局限性，主要依靠手工的方法进行术语选取。3、利用语料库进行领域术语获取⑧硕士学位论文MASTBR’STHESIS为了弥补手动选取领域术语的不足，提出了基于语料库的方法建立特定领域术语词典，提高了词典质量，扩大了覆盖率，解决了以往手工选取的问题，利用计算机自动选取领域术语。它的一个最大特点是不需要事先经过语义标注的资源，只需给出对应于某特定领域的生

8、语料即可。目前，进行领域术语自动获取的研究并不多，在国外较有影响的方法包括：·Govind和Chahavanhi等提出了基于奇异值分解(SinularvalueDecomDosition)的潜在语义索引(L丑tentSemantic1Ildex)方法【5Jo潜在语义索引方法的目标是通过采用低维概念的空间代替高维的文档