基于多策略的學(xué)術(shù)論文術(shù)語抽取方法研究.pdf

1、如何快速又準(zhǔn)確地抽取術(shù)語是自然語言處理中一項重要課題。面向?qū)W術(shù)論文領(lǐng)域的術(shù)語抽取研究能夠有效地推動科學(xué)的發(fā)展與成果的推廣。學(xué)術(shù)論文中，術(shù)語在不同的位置，如標(biāo)題、關(guān)鍵字、摘要等文本塊，具有不同的分布特征。傳統(tǒng)的術(shù)語抽取方法忽略了術(shù)語分布的位置信息，因此，急需一種能夠綜合考慮術(shù)語位置信息的方法來彌補現(xiàn)有方法的不足。
　　提出了一種面向?qū)W術(shù)論文的基于多策略的術(shù)語抽取方法TEM，該方法首先根據(jù)標(biāo)題、摘要和關(guān)鍵詞的不同特征，分別采用基于邊界

2、標(biāo)記集、基于中文術(shù)語構(gòu)詞規(guī)則和基于關(guān)鍵詞的候選術(shù)語抽取策略；接著分析了候選術(shù)語抽取的結(jié)果及錯誤類型，引入術(shù)語反例規(guī)則字典改進(jìn)抽取結(jié)果；再結(jié)合K-近頻子串歸并算法對候選術(shù)語進(jìn)行篩選過濾；最后利用術(shù)語的位置信息，構(gòu)建了綜合評分模型，采用層次分析法決策標(biāo)題、摘要和關(guān)鍵詞三個維度的權(quán)重值，根據(jù)最終的評分排序得到正確術(shù)語。此外，針對單詞型術(shù)語，在TF-IDF算法的基礎(chǔ)上引入了類別頻率CF，提高了篩選的效果。
　　在實驗階段，測試了 K值變化