中文领域术语自动获取方法的研究

论文摘要

中文术语自动抽取是中文信息处理中的一项基础性研究课题,在很多领域都有很重要的作用。如在语言学中的自然语言生成、计算词典编撰学、句法分析、语料库语言学研究等,在自然语言处理领域中的机器翻译、信息检索、文本分类、文本摘要、领域本体等领域中都有广泛地应用,特别是针对领域语料而言,术语抽取的作用显得更加重要。目前,国内有许多学者致力于中文术语的自动提取,也提出了一些有效的方法,但是,总体技术水平还不成熟;又因为中文文字具有粘合性的特点,字与字之间不像英文那样用空格隔开,处理过程比英文复杂的多,所以国外的术语提取方法对于中文术语提取也不太适用。因此,自行研制适合于中文的领域术语自动提取方法,对中文信息处理来说具有十分重要的意义。本文正是在这种背景下,对中文领域术语提取进行了比较深入的研究,提出了一种术语自动提取的方法。本文的主要研究工作包括以下几个方面:第一:总结了术语的各种表现特征,分析了各种术语自动获取方法的特点,并对比分析国内外在术语自动抽取领域的研究成果。第二:在分析空间向量模型和词频的基础上提出了一种改进的TFIDP方法,并以此方法进行领域文本的选取,该方法能够从混合文本中选出某一领域的文本,通过实验证明了该方法的有效性。第三:在分析常用的领域术语提取方法和贝叶斯推理的基础上,将贝叶斯推理引入到领域术语提取中,然后研究了贝叶斯推理过程中所用到的计算公式,最后给出了基于贝叶斯推理的领域术语获取过程,并设计了该方法的核心模块。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 国外术语获取的研究情况
• 1.2.2 国内术语获取的研究情况
• 1.3 主要工作与本文组织
• 第二章 术语学及术语的相关概念
• 2.1 术语及术语学的概念
• 2.2 术语的分类
• 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 术语的单元性与术语性
• 2.4 本章小结
• 第三章 特定领域文本选取的研究
• 3.1 相关概念
• 3.2 基于文本相似度的文本领域隶属度计算
• 3.2.1 向量空间模型VSM
• 3.2.2 基于VSM的改进的TFIDF方法
• 3.3 领域文本选取过程的研究
• 3.3.1 文本预处理
• 3.3.2 文本表示及领域隶属度计算
• 3.3.3 领域文本选取过程
• 3.4 实验与分析
• 3.4.1 语料预处理
• 3.4.2 评估策略
• 3.5 本章小结
• 第四章 基于贝叶斯推理的领域术语获取方法研究
• 4.1 领域术语获取的相关研究方法
• 4.1.1 基于规则的方法
• 4.1.2 基于统计的方法
• 4.1.3 基于规则和统计相结合的方法
• 4.2 贝叶斯推理的研究
• 4.2.1 贝叶斯推理的过程
• 4.2.2 贝叶斯推理示例
• 4.3 相关计算公式研究
• 4.4 领域术语获取的过程
• 4.4.1 抽词处理
• 4.4.2 贝叶斯推理阶段
• 4.4.3 确定领域术语
• 4.5 实验与分析
• 4.5.1 术语获取评价指标
• 4.5.2 结果与分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 展望
• 致谢
• 参考文献
• 硕士期间发表的学术论文