图情档术语自动提取研究

发布时间：2021-12-11 01:52

　　国内开展的术语自动提取方面的研究都未以期刊论文的摘要为语料,而摘要作为一篇期刊论文概要性的陈述,其中包含了大量该学科领域内的术语,应当作为开展术语自动提取研究的重要语料。因此,本文希望通过对图书、情报和档案学领域内的期刊论文摘要,分别利用互信息和条件随机场模型进行术语自动提取方面的研究。本文首先介绍了研究的背景和意义,总结了术语自动提取的研究现状,明确了研究的基础,并给出了全文的框架结构。在第二章的部分介绍了术语的相关概念,以及术语的特征,包括领域特征和结构特征等等。然后本文对术语的表现特征、同义术语以及术语前后界进行统计分析。术语的表现特征中包括术语词频、术语词性序列以及术语词性词频；同义术语是通过利用编辑距离的方法统计得出；术语的前后界是通过统计出现在术语之前或者之后的词而得到。这些对术语特征的考察一方面为从语言学角度量化的研究术语内部提供了数据,另一方面也为之后的实验提供了语言学的知识。接着开展了基于互信息的术语自动提取方面的研究,介绍了互信息理论以及预处理的过程,实验主要是以二元词和三元词为考察对象,依据互信息计算公式,计算词语内部的关联程度,并设定不同的阈值,对结果进行统计。... 

【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

关键词合计频次比例图

着闽值的降低，准确率在不断提升，在闭值为3.17的情况下，提取的准确率为58.555%，比在闭值为10的情况下高出了13%。整体上也如之前的实验结果，呈现了线性的趋势，如图4.1所示，说明大多数术语的互信息值并不会很高，而22

CRFs定义了Y的条件概率分布p(Y}X)，条件随机场模型通过不断训练的方法使得P(Ylx)最大l3]。它是一种无向图的模型，其最普遍的和最简单的展现形式是线性CRFs，即图中的每个节点之间组成线性的结构，如图5.1所示。Y-Y2姚Yn_YnX-X2X3Xn_Xn图5.1线性CRFs图，于江德，樊孝忠，尹继豪.基于条件随机场的中文科研论文信息抽取阴.华南理工大学学报，2007.9(9):90一94.2邓滚，包宏.基于条件随机场的中文自动文摘系统IJ].西安石油大学学报，2009.l(l):96一99.，洪铭材，张阔，唐杰，李涓子.基于条件随机场 (CRFs)的中文词性标注方法IJ].计算机科学，2006:148一151.4迟呈英，于长远，战学刚.基于条件随机场的中文分词方法[J].情报杂志

【参考文献】：
期刊论文
[1]基于条件随机场的介宾结构自动识别[J]. 朱丹浩,王东波,谢靖.  现代图书情报技术. 2010(Z1)
[2]采用CRF技术的军事情报术语自动抽取研究[J]. 贾美英,杨炳儒,郑德权,杨靖.  计算机工程与应用. 2009(32)
[3]基于机器学习的文本分类技术的研究[J]. 何国辉,吴礼发.  计算机与现代化. 2009(08)
[4]基于机器学习的本体匹配的研究[J]. 苏意玲.  福建电脑. 2009(08)
[5]基于机器学习的Web文本分类技术及算法[J]. 金春霞,周海岩.  长春工业大学学报(自然科学版). 2009(03)
[6]基于条件随机场的中文命名实体识别研究[J]. 许晓丽,卢志茂,张格森.  中国新技术新产品. 2009(02)
[7]基于条件随机场的中文自动文摘系统[J]. 邓箴,包宏.  西安石油大学学报(自然科学版). 2009(01)
[8]基于条件随机场的中文分词方法[J]. 迟呈英,于长远,战学刚.  情报杂志. 2008(05)
[9]术语抽取技术研究[J]. 张文静,梁颖红.  信息技术. 2008(03)
[10]HMM和CRFs在信息抽取应用中的比较研究[J]. 王昊,邓三鸿.  现代图书情报技术. 2007(12)

硕士论文
[1]术语自动抽取技术研究[D]. 张二艳.哈尔滨工业大学 2009
[2]特定领域术语自动抽取方法的研究[D]. 马志斌.哈尔滨工业大学 2009
[3]关键词抽取的研究与实现[D]. 罗准辰.国防科学技术大学 2008
[4]有标记联合结构的自动识别[D]. 王东波.南京师范大学 2008
[5]术语自动抽取技术的研究与应用[D]. 刘豹.沈阳航空工业学院 2008
[6]中文术语自动抽取相关方法研究[D]. 张勇.华中师范大学 2006
[7]术语自动抽取系统的设计及关键技术研究[D]. 刘建舟.华中师范大学 2004



本文编号：3533793