一种基于领域本体的新术语扩充方法amethodfornewterm.pdfVIP

基金项目：国家“863”计划基金资助项目“面向农业领域的海量知识资源组织、管理与服务 系统研究”(2007AA01Z179)； 作者简介：陈宇（1982-），男，硕士研究生，主要研究方向：软件工程，领域本体；朱建 锋，硕士研究生；吴毅坚，讲师，博士；赵文耘，教授，博士生导师； Email:chen_yu@ 一种基于领域本体的新术语扩充方法 陈宇，朱建锋，吴毅坚，赵文耘 （复旦大学计算机科学技术学院,上海201203） 摘要：本文提出了一种基于领域本体的新术语扩充方法。结合传统基于统计和基于规则的方 法，计算出词语在文档中的影响，使用领域本体来体现领域知识，通过在文档中识别出的本 体中概念来计算文档及词语的领域相关度，最终获得术语候选项的推荐排序，可以对术语候 选项结果进行优化。设计实验及提供结果分析，说明该方法的有效性和可行性。 关键词：领域本体；领域相关度；新术语识别； A method for new term recognition based on domain ontology CHEN Yu ，ZHU Jian-feng ，WU Yi-jian ，ZHAO Wen-yun （School of Computer Science Fudan University ，Shanghai 201203） Abstract ：A method for new term recognition base on domain ontology is proposed in the paper. This method combines linguistic rules and statistical methods to get the infection degree from a word to a document. Optimize the term candidate result, using domain ontology to recognize concept in document and to calculate correlation degree between word, document and specific domain. The validity of the method is proved with a practical case. Keywords ：Domain ontology; Domain correlation degree; New term recognition 1. 引言 术语(Term)，是在特定领域中一般概念词语指称[1]，如农业领域中的“氮肥”、“白斑 病”等。因为术语本身具有较强的规范性，对术语的认定和收录要经过一个过程，所以术语 词典的编纂往往滞后于术语的出现，需每隔一段时间进行扩充。传统术语词典的编撰和扩充 需要领域专家手工进行，阅读大量文献，费时费力。如能使用计算机辅助识别出候选项，再 通过专家参与确定，会有比较好的效果。计算机辅助术语扩充就是本文所要关注的问题。 术语扩充，也可以说是新术语识别，所谓 “新”，是相对已有的领域术语词典而言。领 域术语词典，即包含特定领域内部代表本领域特定概念词语的词典。而日常口语和书面语常 用词典，往往被称为一般词典或通用词典。 要想进行术语扩充，首先要找到 “新词”，主要有以下类别： a 不在通用词典和领域术语词典里面的词语 （也被称为“未登录词”）。 b 在通用词典中，领域内使用频繁，却不在领域词典中的词语。由于初始的领域词典词 汇较少，一些通用字典的词，可能还没有及时收录。 c 在通用词典中被识别成多个词，组合在一起才会在特定领域表达完整意思的词语，如 “旱黄瓜”（黄瓜的一种），如果在词典中没有，可以能被识别成“旱”和“黄瓜”，应该被 合成。 本文针对这几类术语扩充问题进行研究（其中c 类称为合成词，a 类和b 类称为基础词）， 提出一种扩充方法，结合传统基于统计和基于规则的方法，利用本体技术，使用领域本体来 体现领域知识，提供比较丰富的语义信息，进而计算术语的领域相关度，对术语扩充结果进 行优化。后续章节将介绍相关工作，该方法的具体步骤，算法、实验设计和结果分析。 2. 相关工作:术语扩充方法和本体介绍 目前