计算机领域术语的自动获取与层次构建.pdfVIP

第 37 卷第 2 期 Vol.37 No.2 计算机工程 Computer Engineering 月 川 lloo -Jqb 呻 盯 mm ·人工智能及识别技水· 中阳分费号: TP391 文章蝙哥哥 I 1创胁….3428(2011 )02--0172，嗣-63 文献标识码IA 计算机领域术语的自动获取与层次构建 林摞 1，嘛事捎 1，孙悄 1，2 (1.北京林业大学信息学院，北京 lα浏阳; 2. 北京航窍航夭大学计算布L学院，北京 l佣19 1) 捕 哥:设计一种能够自动获取计算机领域术语的方案，提出3妻子规则与统计相结合的抽取方法，使用~马逊网站的计算机类阁书作为语 料库，通过分词、去停止词颁处理以及训频统计的方法提取出计算机类领域术语，并捕入到Ih ODP 构建的树巾，形成计算机领域水语的 层次给构。实验结果表明，与人工标注销果相比，使用该方法自动获取的术语有很高的准确率与召回率。 关键词:计算机领域术语;术语获取;层次结构; ODP 项目 Computer Domain Term Automatic Extraction and Hierarchical Structure Building Lll呼 Yuan1， CHEN Zhi嗣bol ， SUN Qiao1,2 (1 ‘ School of Infonnation Science and Technology, Beijing Fores町 University， Beijing !(刷的， China; 2. School ofComputer Science and Engineering, Beihang University, Beijíng 100191, China) (Abstract )This paper present~ a computer domain tenn automatic extraction method b附d on rules and statistics. It uses computer 胁。，k tities from A website as corpus, data 盯e preprlωes忧d by words splitting, stop words and special characters filtering. Tenns are extracted by a set of rules and frequency statístics and inserted into a word tree 什om ODP 10 build the hierarchical structure. Experímental results show high precision ωd recall of the automatically extracted results compared with manual tagged tenns (Key words J computer domain 优nn; tenn extraction; hierarchical structure; Open Directory f汁。~ect(ODP) DOI: 1O.3969/j.issn.1创)()-3428.2011.02.059 1 概述 随苟向然语宵处用研究与应用的不断深入，以及计算机 业的蓬勃发展，构建计算机领域术语的需求变得越米越迫切。 计算机领域术语可以应用在信息处理技术的各个方橱，比如 文本分类、信息检索等。目前，计算机领域的术语烹要依靠 入工构建，代价十分巨大。因此，寻找一种自动化构建计算 机领域术语的万法，并能.时地发现新领域术语的任务变得 十分霞耍。本文提出一个计算机领域术语自动获取与层次结 构的构建方案，即基于规则与统计相结合的}f法向动提取计算机 领域术语，并把在概念上具有上下级逻辑联系的术语组成树形 结构。 2 术语获取技术 2.1 术语的概念和特点 术语是一种结合紧密的固定或半固定的词或知语，它还 是一种具有很强领域特征的词语lllo 术语可以是词也可以是 短语，是在特定的科学领域，用来表达概念的称谓。术语是 科学研究、文化交流不可或缺的工具，它具有以 F特点:术 语与普通词语的以别在于术语通常表示的娃在特定领域的词 汇，只有该领域的人使用，而一般词语是在各个领域赞迫使 用;术语通常只在本领域内疏通，离开了其特定的领域，引 用率几乎为 0; 基本上术语都是名词或名词性短话。 2.2 术语族取方法 术语的获取、术语朦的建立是术语学与术语标准化工作 的苦重要内容与孚段，将为文档分类以及信息抽取任务提供有 力的依据，在机器翻译、自动索引、建1i:l司法知识瘁方面也 有广