基于多策略融合的中文术语抽取方法

摘要：

中文术语抽取是信息抽取、文本挖掘以及知识获取等信息处理任务中的关键技术.相对于单词型术语,词组型术语的识别过程要更加复杂.由于短语中引入了大量非名词性词汇,随之产生了更多种的噪声数据,不仅需要判断短语结构是否完整,还要考虑短语内部词汇的搭配合理性、衡量短语中所负载领域信息量等问题.文中将词组型术语抽取过程中遇到的这三个问题作为切入点,分别使用子串归并、搭配检验和领域相关度计算技术来解决这三个问题,分析词组型术语自身的结构特征以及其在语料中的分布特征,完善词组型术语的抽取任务.实验证实了该方法能够有效提升低频术语和基础术语的排序位置,从而改善了中文词组型术语抽取系统的性能.

关键词：中文术语抽取、语言规则获取、子串归并、搭配检验、词语活跃度、领域相关度

所属期刊栏目：29

分类号：TP3;TP1

资助基金：国家863高技术研究发展计划资助项目2006AA01Z152;国家自然科学基金资助项目60672149

在线出版日期：2010-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：460-467