基于術(shù)語(yǔ)提取的跨語(yǔ)言信息匹配技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，術(shù)語(yǔ)在各個(gè)領(lǐng)域中被廣泛的使用，領(lǐng)域術(shù)語(yǔ)提取技術(shù)受到學(xué)者們的密切關(guān)注，已經(jīng)成為自然語(yǔ)言處理領(lǐng)域的一項(xiàng)重要任務(wù)。本文將術(shù)語(yǔ)提取技術(shù)應(yīng)用到跨語(yǔ)言信息匹配技術(shù)中，解決如何在中-英文文本之間建立聯(lián)系的難點(diǎn)。
　　本文在分析和總結(jié)國(guó)內(nèi)外領(lǐng)域術(shù)語(yǔ)提取研究現(xiàn)狀和成果的基礎(chǔ)上，提出了一種基于多特征相融合的領(lǐng)域術(shù)語(yǔ)提取方法。針對(duì)術(shù)語(yǔ)構(gòu)詞規(guī)則是根據(jù)詞語(yǔ)詞性問(wèn)題，該方法首先利用自然語(yǔ)言處理技術(shù)對(duì)中文文本進(jìn)行預(yù)處理，針對(duì)句子進(jìn)行詞性標(biāo)

2、注，為下一步的術(shù)語(yǔ)提取打下基礎(chǔ)。在該過(guò)程中，該方法首先采用術(shù)語(yǔ)的構(gòu)詞規(guī)則對(duì)預(yù)處理結(jié)果進(jìn)行詞語(yǔ)過(guò)濾，然后通過(guò)信息熵確定詞語(yǔ)的邊界，針對(duì)信息熵?zé)o法提取出低頻詞語(yǔ)這一問(wèn)題，采用領(lǐng)域語(yǔ)料庫(kù)中詞語(yǔ)的IDF值來(lái)衡量術(shù)語(yǔ)的領(lǐng)域相關(guān)度，將兩組詞語(yǔ)進(jìn)行加權(quán)處理，最后根據(jù)設(shè)定的閾值，根據(jù)術(shù)語(yǔ)得分情況對(duì)候選術(shù)語(yǔ)進(jìn)行取舍，這一算法解決了領(lǐng)域術(shù)語(yǔ)提取問(wèn)題。然后在獲取的領(lǐng)域術(shù)語(yǔ)的基礎(chǔ)上，根據(jù)術(shù)語(yǔ)的領(lǐng)域性特點(diǎn)引入了詞語(yǔ)共現(xiàn)這一概念，并結(jié)合術(shù)語(yǔ)翻譯方法，對(duì)中英文術(shù)語(yǔ)進(jìn)