维吾尔语多词领域术语的自动抽取

田生伟， 钟 军，禹 龙

(1. 新疆大学 软件学院，新疆 乌鲁木齐 830008;2. 新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046;3. 新疆大学 网络中心，新疆 乌鲁木齐 830046)



维吾尔语多词领域术语的自动抽取

田生伟1， 钟 军2，禹 龙3

(1. 新疆大学 软件学院，新疆 乌鲁木齐 830008;2. 新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046;3. 新疆大学 网络中心，新疆 乌鲁木齐 830046)

多词领域术语抽取是自然语言处理技术中的一个重点和难点问题, 结合维吾尔语语言特征,该文提出了一种基于规则和统计相结合的维吾尔语多词领域术语的自动抽取方法。该方法分为四个阶段: ①语料预处理, 包括停用词过滤和词性标注; ② 对字串取N元子串, 利用改进的互信息算法和对数似然比率计算子串内部的联合强度, 结合词性构成规则, 构建候选维吾尔语多词领域术语集; ③ 利用相对词频差值, 得到尽可能多的维吾尔语多词领域术语; ④ 结合C_value值获取最终领域术语并作后处理。实验结果准确率为85.08%, 召回率为 73.19%, 验证了该文提出的方法在维吾尔语多词领域术语抽取上的有效性。

维吾尔语；多词领域术语；互信息；对数似然比率；相对词频差值

1 引言

领域术语是人类科学知识在自然语言中的结晶，人类科学探索的成果都要以领域术语的形式在自然语言中记录下来[1]。领域术语的变化在一定程度上反映了一个科学领域的发展变化。现阶段在基于开放语料的术语抽取实验中，三字及三字以上领域术语的抽取精度只有 66.63%。……