汉语科技词系统研究进展.pdfVIP

D。 t‘宰■-书■n论：坛I石 http：／／www．dlf．net．cn 中文词汇知识组织系统的自动构建及应用。我们在基 示在该领域C全是多字词。式(1)实际上反映了单个汉字 于构词能力和构词模式的新词发现技术、基于双序列 在该领域的构词能力大小，则某一字串构成新词W的概 比对的中文术语语义相似度计算方法、基于最大频繁 项集挖掘的主题词推荐算法，以及根据Proximity数据 l{l一F-尸(：Iw(是单字词) 构建词汇 向量空间模型方法 以及词系统的可视化分析 兀 I( f (2) 方面做了大量的探索工作，开发了多种词系统辅助构 建工具，比如术语抽取工具、术语 问关系辅助构建工 显然，从概率论的角度可 以认为构词能力为零或 作、词条索引工具等等，并且许多工具嵌入了词系统 接近于零的字或词，与其他字或词联合构成新词的概 服务平 。 率为零。 其三 ，基于过程的知识组织系统的评价技术。 YaoYuan博士 曾提 出基于head—middle．tail结构 我们结合网络环境下知识组织系统构建、管理和应用 的构词模 式。任何一个字 ，在构成新词时有词首 的特点采用～些新的评价指标，对所构建的新型知识 (head)、词尾 (tail)、词中 (middle)三种模式4[】。 组织系统进行了全面的评价分析。首先，在传统分 设pttn(c)表示字的构词模式，则 类法、叙词表、分类主题一体化词表评价方法和评价 指标的基础上，结合词系统的特点，从功能、内容和 嘶 )lc)= (3) countlC 丁 多 子 叫 结构三个方面构建了新的评价指标体系，做到从宏观 和微观两个层面对汉语科技词系统进行定性评价和定 其中， 表示汉字C在某一多字词中取模式pttn(c)时 量评价。其次，由于传统知识组织系统评价方式存在 的条件概率。显然对于同一汉字，存在 缺乏宏观测度、时滞过长、不能动态揭示等缺陷，我 们结合复杂网络理论，从基本特性、动态特性和鲁棒 ∑P~pttn(c)lc)一 。 pttn(c)=H，M ，T 性三个角度着手，对汉语科技词系统网络特性进行分 析。实验证明：汉语科技词系统同时具有小世界特性 跟构词能力一样，构词模式的结果跟所用语料有 和无尺度特性，在建设过程中应采用有导向的建设， 直接关系。针对某一领域语料计算构词模式，主要是 在系统管理和维护的过程 中要注重词汇间相互关系， 词首和词尾的概率。用此结果作为规则，对新词进行 保证系统的连通性。 判断、筛选，以此提高新词的质量。 针对 《科技 日报》这种形式的语料，本文用二元 3 科技领域的新词发现 语法和三元语法作为统计模型，用 已有的构词能力和 构词模式作为规则，决定是否把其作为候选新词进行 新词发现常用的方法分三种：基于词频统计的方 词频统计。从系统测试来看，在 目前的条件下系统的 法、基于规则的方法、规则和统计结合的方法。我们以构 准确率达到90％左右，覆盖率能达到40％以上嘲。 词能力