领域术语自动抽取及关系分类研究

论文摘要

随着信息技术和各专业领域日新月异的发展,旧的术语不断消亡,新的术语不断涌现,术语的变化在一定程度上反映了一个学科领域的发展变化,如何正确的识别它们变得越来越重要。领域词汇间的关系分类有助于挖掘领域更深层的信息。本文针对中文和领域特点,围绕领域语料处理、候选词抽取、领域术语识别、领域词汇关系分类等问题进行了研究和探讨。主要取得了以下几个较有特色的成果：(1)结合中文特点和领域特征,提出了一种新的领域语料预处理方法。采用分词工具和粗切分相结合的方式对领域语料进行切分,为领域术语的抽取和识别提供了更有效的资源。(2)运用互信息和对数似然比相结合的方法抽取领域术语候选词。在抽取领域候选词时,采用互信息和对数似然比相结合的方法计算字串间结合强度,保证该字串是一个合法的语言单位,构建出候选词集。这两种方法可以优势互补,很好地解决了数据稀疏问题对抽取结果准确性影响较大的问题,实验证明该方法具有很好的效果。(3)运用基于种子词的领域术语识别方法。首先人工选定领域种子词,然后基于已选种子词,结合T评价方法识别候选词集中的领域术语。实验表明该方法准确率较高。(4)基于支持向量机(SVM)的领域词汇关系分类方法。该方法主要抽取两个领域词汇之间的上下文特征进行关系分类,实验表明基于SVM的领域词汇关系分类方法是可行的。(5)在上述工作的基础上,搭建了云南旅游领域术语识别及关系分类原型系统。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 问题的提出
• 1.4 本文研究的内容
• 1.5 论文的组织
• 第二章 术语的基本知识
• 2.1 引言
• 2.2 术语的概念
• 2.3 术语的特征
• 2.3.1 术语的结构特征
• 2.3.2 术语的领域特征
• 2.3.3 术语的内部特征与外部特征
• 2.4 本章小结
• 第三章 术语候选词抽取
• 3.1 引言
• 3.2 相关研究
• 3.3 术语候选词抽取
• 3.3.1 语料预处理
• 3.3.2 候选词抽取
• 3.4 云南旅游术语候选词抽取实验验证
• 3.6 本章小结
• 第四章 领域术语识别
• 4.1 引言
• 4.2 相关研究
• 4.3 领域术语识别
• 4.3.1 种子词的选择
• 4.3.2 基于种子词的领域术语识别方法
• 4.4 云南旅游领域术语识别方法验证
• 4.5 本章小结
• 第五章 关系分类的研究
• 5.1 引言
• 5.2 相关研究
• 5.3 领域词汇关系分类
• 5.3.1 分类特征选取
• 5.3.2 分类模型的实现
• 5.4 云南旅游关系分类方法验证
• 5.5 本章小结
• 第六章 云南旅游领域术语识别及关系分类原型系统的实现
• 6.1 引言
• 6.2 系统的整体框架
• 6.3 领域术语候选词集构建
• 6.4 领域术语识别
• 6.5 领域词汇关系分类
• 6.6 系统分析
• 6.7 本章小结
• 第七章 结论及下一步的工作
• 7.1 结论
• 7.2 下一步的工作
• 致谢
• 参考文献
• 附录A 攻读学位期间发表论文及参与项目
• 附录B 候选词抽取实验语料中所含的42个术语
• 附录C 领域术语识别结果