基于術(shù)語提取的跨語言信息匹配技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，術(shù)語在各個領(lǐng)域中被廣泛的使用，領(lǐng)域術(shù)語提取技術(shù)受到學(xué)者們的密切關(guān)注，已經(jīng)成為自然語言處理領(lǐng)域的一項重要任務(wù)。本文將術(shù)語提取技術(shù)應(yīng)用到跨語言信息匹配技術(shù)中，解決如何在中-英文文本之間建立聯(lián)系的難點。
　　本文在分析和總結(jié)國內(nèi)外領(lǐng)域術(shù)語提取研究現(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)語提取方法。針對術(shù)語構(gòu)詞規(guī)則是根據(jù)詞語詞性問題，該方法首先利用自然語言處理技術(shù)對中文文本進行預(yù)處理，針對句子進行詞性標(biāo)

2、注，為下一步的術(shù)語提取打下基礎(chǔ)。在該過程中，該方法首先采用術(shù)語的構(gòu)詞規(guī)則對預(yù)處理結(jié)果進行詞語過濾，然后通過信息熵確定詞語的邊界，針對信息熵?zé)o法提取出低頻詞語這一問題，采用領(lǐng)域語料庫中詞語的IDF值來衡量術(shù)語的領(lǐng)域相關(guān)度，將兩組詞語進行加權(quán)處理，最后根據(jù)設(shè)定的閾值，根據(jù)術(shù)語得分情況對候選術(shù)語進行取舍，這一算法解決了領(lǐng)域術(shù)語提取問題。然后在獲取的領(lǐng)域術(shù)語的基礎(chǔ)上，根據(jù)術(shù)語的領(lǐng)域性特點引入了詞語共現(xiàn)這一概念，并結(jié)合術(shù)語翻譯方法，對中英文術(shù)語進