基于互联网的汉语术语定义提取研究.PDFVIP

基于互联网的汉语术语定义提取研究 张榕 宋柔 北京语言大学语言信息处理研究所 北京 100083 E-mail:zhangrong@;songrou@ 摘 共:本文的术语定义抽取，在分析术语定义的语言学特征，进行硬匹配的基础上，通过将术语定义用词与 人民日报用词进行对比，给出了词语和句子的定义隶属度这一概念，并且与向盆空间模型有效结合起来，提出了 一种术语智能匹配算法.实验取得了较好的效果，有效的解决了术语定义的提取问题. 关健询:术语，定义，提取，智能匹配 InternetBasedChineseTermDefinition ExtractionResearch ZhangRong SongRou LanguageInformationProcessingInstitute, BeijingLanguageandCultureUniversity,Beijing100083 E-mail:zhangrong@;songrou@ Abstract:Thispaperemploysasoftmatchalgorithmtoextracttermdefniitionafterusinghardmatchbasedonanalysis oflinguisticfeatureofcandidatetermdefinition.Thesoftmatchincludesdefinitionmemberhoodcalculationand similaritycalculationbasedonVectorSpaceModel,andthencombinedthetwoalgorithmstogether.Theexperiment achievesgoodresults,andofferseffectivemethodfortheresearchoftermdefinitionextraction. Keywords:Term,Defniition,Extraction,SoftMatch 1前言 科学技术发展迅猛，新术语随之应运而生。比如，什么是迅驰?什么是异地灾备?等等。当 人们不明确这些术语的确切含义的时候，通常借助字典或者搜索引攀。字典，大百科全书等资源， 有时难以跟得上词汇发展的速度，无法提供最新术语的定义.搜索引擎虽然可以提供大量的术语 的解释和描述等相关信息，却无法提供现成的术语定义。人工从海量的信息中查找到术语的定义 是件费时，费力的事情。 术语定义是对术语所指称概念的语言描述。获取到术语定义是对术语概念理解最有效的方 式。互联网能够提供海量的，动态的，最新的信息。在这样的前提下，本文提出了一种基于互联 网的汉语术语定义提取方法. 首先我们需明确几个名词的定义。术语是指称特定领域的专业概念的词和词组，是表示科技 知识和信息的基本单元。在本文中所特指的术语是在某个特定领域内，普通用户需要知道其定义 才能理解的那些词语。 定义的优选结构是:定义二上位概念 (最邻近的属概念)+种差 (用于区分所定义的概念同其 他并列概念间的区别特征)。[1]定义又可以分为内涵定义和外延定义两大类。内涵定义指的是列 举被定义概念的特征来描述概念的定义。外延定义指的是通过概念的数量范围来描述概念的外延 的定义。定义的构成规则要求，准确性，适度性，简明性，只有在概念本身是否定性的情况下， 才可使用否定定义，不能使用循环定义。幻【 术语定义的自动抽取是一个相对较新的研究课题，国内外的研究比较少，而且相关研究主要 都是手工建立或机器学习出术语定义的模式，通过模式的硬匹配HardMatch，抽取出文本中的术 语定义。硬匹配的缺点:模式编写工作量大，模式类型过于死板，召回率受影响，手工书写的规 则比较主观，难以穷尽客观语言现象 3〔]。本文在粗匹配的基础上，通过智能匹配算法，进一步 提高了定义抽取的准确率。 2候选术语定义的粗匹配 2.1文档的预处理 首先我们将被查询术语提交Google搜索引擎，对返回文档进行预处理 (我们使用了排在最 前面的60个文档)。本文使用了中科院计算所汉语