中文领域本体学习中术语的自动抽取倡

《中文领域本体学习中术语的自动抽取倡》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第２６卷第７期计算机应用研究Ｖｏｌ．２６Ｎｏ．７２００９年７月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＪｕｌ．２００９倡中文领域本体学习中术语的自动抽取温春，王晓斌，石昭祥（电子工程学院网络工程系，合肥２３００３７）摘要：提出一种领域术语自动抽取的混合策略，首先进行多字词候选术语抽取和分词，然后合并其结果，最后通过领域相关度和领域主题一致度抽取出最终领域术语。在多字词抽取和最终领域术语抽取阶段分别对现有方法进行了改进，降低了字符串分解的时间复杂度并提高了领域术语抽取的准确率和召回率。实验表明，术语抽取准确率为９０．６４％，优于现有的

2、抽取方法。关键词：领域术语抽取；领域主题一致度；领域本体学习；多字词候选术语；字符串分解中图分类号：ＴＰ３９１　　　文献标志码：Ａ文章编号：１００１唱３６９５（２００９）０７唱２６５２唱０４ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１唱３６９５．２００９．０７．０７０Ａｕｔｏｍａｔｉｃｄｏｍａｉｎ唱ｓｐｅｃｉｆｉｃｔｅｒｍｅｘｔｒａｃｔｉｏｎｉｎＣｈｉｎｅｓｅｄｏｍａｉｎｏｎｔｏｌｏｇｙｌｅａｒｎｉｎｇＷＥＮＣｈｕｎ，ＷＡＮＧＸｉａｏ唱ｂｉｎ，ＳＨＩＺｈａｏ唱ｘｉａｎｇ（Dept．ofNetworkEngineering，ElectronicEngi

3、neeringInstitute，Hefei２３００３７，China）Abstract：Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｄａｈｙｂｒｉｄｓｔｒａｔｅｇｙｔｏｅｘｔｒａｃｔｄｏｍａｉｎ唱ｓｐｅｃｉｆｉｃｔｅｒｍｓａｕｔｏｍａｔｉｃａｌｌｙ．Ａｔｔｈｅｂｅｇｉｎｎｉｎｇ，ｅｘｅｃｕｔｅｄｍｕｌｔｉ唱ｗｏｒｄｃａｎｄｉｄａｔｅｅｘｔｒａｃｔｉｏｎａｎｄＣｈｉｎｅｓｅｗｏｒｄｓｅｇｍｅｎｔａｔｉｏｎａｔｔｈｅｓａｍｅｔｉｍｅｗｉｔｈｔｗｏｔｈｒｅａｄｓ．Ｔｈｅｎｍｅｒｇｅｄｔｈｅｉｒｒｅｓｕｌｔｓｅｔｓ．Ｆｉｎａｌｌｙｅｘｔｒａｃｔｅｄｔｈｅｄｏｍａｉｎ唱

4、ｓｐｅｃｉｆｉｃｔｅｒｍｓｗｉｔｈｄｏｍａｉｎｒｅｌｅｖａｎｃｅａｎｄｄｏｍａｉｎｔｏｐｉｃｃｏｎｓｅｎｓｕｓｍｅｔｈｏｄ．Ｉｎｍｕｌｔｉ唱ｗｏｒｄｃａｎｄｉｄａｔｅｅｘｔｒａｃｔｉｏｎａｎｄｄｏｍａｉｎ唱ｓｐｅｃｉｆｉｃｔｅｒｍｅｘｔｒａｃｔｉｏｎｐｅｒｉｏｄｓ，ｉｔｉｍｐｒｏｖｅｄｔｈｅｐｒｅｓｅｎｔｅｄｍｅｔｈｏｄｓｒｅｓｐｅｃｔｉｖｅｌｙｔｏｄｅｃｒｅａｓｅｔｉｍｅｃｏｍｐｌｅｘｉｔｙｏｆｓｔｒｉｎｇｄｅｃｏｍｐｏｓｉｎｇａｎｄｉｎｃｒｅａｓｅｔｈｅｐｒｅｃｉｓｉｏｎａｎｄｒｅｃａｌｌ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈ

5、ｅｐｒｅｃｉｓｉｏｎｏｆｈｙ唱ｂｒｉｄｍｅｔｈｏｄａｃｈｉｅｖｅｓ９０．６４％，ｗｈｉｃｈｉｓｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆｐｒｅｓｅｎｔｅｄＣｈｉｎｅｓｅｄｏｍａｉｎ唱ｓｐｅｃｉｆｉｃｔｅｒｍｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓ．Keywords：ｄｏｍａｉｎ唱ｓｐｅｃｉｆｉｃｔｅｒｍｅｘｔｒａｃｔｉｏｎ；ｄｏｍａｉｎｔｏｐｉｃｃｏｎｓｅｎｓｕｓ；ｄｏｍａｉｎｏｎｔｏｌｏｇｙｌｅａｒｎｉｎｇ；ｍｕｌｔｉ唱ｗｏｒｄｃａｎｄｉｄａｔｅｔｅｒｍｓ；ｓｔｒｉｎｇｄｅｃｏｍｐｏｓｉｎｇ自２０世纪９０年代以来，随着知识共享、信息集成、语义1相关工作Ｗｅｂ和Ｗｅｂ

6、服务等技术的快速发展，本体研究在计算机领域［１］备受关注，并逐渐成为研究的前沿和热点。领域本体是对目前，许多研究者在术语抽取方面做了不少工作，通常采给定领域中存在的概念的一种详尽的特征化描述，它用公认的用基于规则的方法［４］、基于统计的方法［５，６］和混合方法［７］。术语集合和术语之间的关系来反映该领域内的知识和知识结［８］从国外已有的本体学习工具来看，Ｈａｓｔｉ在获取术语时，构。虽然目前的本体构建工具正日趋成熟，但是本体的手工构［９］使用了基于规则的方法；Ｔｅｘｔ唱ｔｏ唱Ｏｎｔｏ使用加权的词频统计方［１０］造仍是一项繁琐而辛苦的任务。如何利用知识获取

7、技术来降法来获取术语；ＯｎｔｏＬｅａｒｎ则采用了一种混合的方法，即低本体构建的开销是一个很有意义的研究方向。目前，国外在ＤＲ＋ＤＣ进行术语抽取，其中ＤＲ和ＤＣ分别表示词语的领域［２］该方向的研究很活跃，把相关的技术称为本体学习技术。相关度和领域一致度。关于本体学习到底应该关注哪些具体的任务，文献［３］给出了与国外相比，国内还没有支持中文的本体学习工具，研究一个层次模型，如图１所示，它总结了本体学习过程中所需要成果也相对较少。由于中英文差别较大，对于英文适用的方法完成的所有子任务。未必适用于中文，或者需要进行较大调整。在中文领域术语抽取方面，国内主要集中

8、于两个方向：ａ）借鉴或者扩展ＤＲ＋ＤＣ!!!"#"#$$%&'(!)"*"+,-&.!!"**