一種領(lǐng)域術(shù)語(yǔ)抽取的方法，包括：對(duì)原始語(yǔ)料以語(yǔ)素為單位進(jìn)行任意長(zhǎng)度的切分，獲得若干候選術(shù)語(yǔ)，其中，每個(gè)所述候選術(shù)語(yǔ)由至少二個(gè)語(yǔ)素組成；從詞頻、互信息、左右熵、獨(dú)立性和結(jié)構(gòu)多個(gè)維度對(duì)每個(gè)所述候選術(shù)語(yǔ)進(jìn)行分析，確定該候選術(shù)語(yǔ)的多個(gè)特征參數(shù)；利用確定的所述多個(gè)特征參數(shù)，計(jì)算出該候選術(shù)語(yǔ)的領(lǐng)域術(shù)語(yǔ)度；抽取所述領(lǐng)域術(shù)語(yǔ)度高于閾值的候選術(shù)語(yǔ)作為新的領(lǐng)域術(shù)語(yǔ)。本發(fā)明通過詞頻、互信息、左右熵、獨(dú)立性和結(jié)構(gòu)上對(duì)候選術(shù)語(yǔ)進(jìn)行充分的分析，保證提取的術(shù)語(yǔ)可靠性和準(zhǔn)確性較高。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其是一種領(lǐng)域術(shù)語(yǔ)抽取的方法。

背景技術(shù)

領(lǐng)域術(shù)語(yǔ)或?qū)I(yè)術(shù)語(yǔ)是以語(yǔ)音或文字為載體來(lái)表達(dá)或限定專業(yè)概念的約定性符號(hào)。隨著科學(xué)技術(shù)的蓬勃發(fā)展、新技術(shù)的不斷涌現(xiàn)以及互聯(lián)網(wǎng)技術(shù)的日新月異，一些特定領(lǐng)域的專業(yè)術(shù)語(yǔ)不斷擴(kuò)大與更新，因此按照傳統(tǒng)的人工搜集領(lǐng)域術(shù)語(yǔ)的方式已無(wú)法滿足實(shí)際需求，自動(dòng)抽取領(lǐng)域術(shù)語(yǔ)(ATE，Automatic Term Extraction)已成為了必然。實(shí)際應(yīng)用中，領(lǐng)域術(shù)語(yǔ)抽取在構(gòu)建領(lǐng)域本體、中文分詞、信息抽取、詞典編纂、信息檢索、機(jī)器翻譯、文本分類、自動(dòng)文摘等方面均具有重要意義。

目前，業(yè)內(nèi)所采用的領(lǐng)域術(shù)語(yǔ)抽取方法僅僅是基于單一方面對(duì)詞匯進(jìn)行分析以及判定，領(lǐng)域術(shù)語(yǔ)提取效果比較差。

發(fā)明內(nèi)容

本發(fā)明的目的之一是提供一種領(lǐng)域術(shù)語(yǔ)抽取的方法，以解決現(xiàn)有技術(shù)中對(duì)于領(lǐng)域術(shù)語(yǔ)提取效果比較差的問題。

在一些說(shuō)明性實(shí)施例中，所述領(lǐng)域術(shù)語(yǔ)抽取的方法，包括：對(duì)原始語(yǔ)料以語(yǔ)素為單位進(jìn)行任意長(zhǎng)度的切分，獲得若干候選術(shù)語(yǔ)，其中，每個(gè)所述候選術(shù)語(yǔ)由至少二個(gè)語(yǔ)素組成；從詞頻、互信息、左右熵、獨(dú)立性和結(jié)構(gòu)多個(gè)維度對(duì)每個(gè)所述候選術(shù)語(yǔ)進(jìn)行分析，確定該候選術(shù)語(yǔ)的多個(gè)特征參數(shù)；利用確定的所述多個(gè)特征參數(shù)，計(jì)算出該候選術(shù)語(yǔ)的領(lǐng)域術(shù)語(yǔ)度；抽取所述領(lǐng)域術(shù)語(yǔ)度高于閾值的候選術(shù)語(yǔ)作為新的領(lǐng)域術(shù)語(yǔ)。

與現(xiàn)有技術(shù)相比，本發(fā)明的說(shuō)明性實(shí)施例包括以下優(yōu)點(diǎn)：

本發(fā)明通過詞頻、互信息、左右熵、獨(dú)立性和結(jié)構(gòu)上對(duì)候選術(shù)語(yǔ)進(jìn)行多個(gè)維度的充分的分析，保證提取的術(shù)語(yǔ)可靠性和準(zhǔn)確性較高。

附圖說(shuō)明

此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1是按照本發(fā)明的說(shuō)明性實(shí)施例的流程圖。

具體實(shí)施方式

在以下詳細(xì)描述中，提出大量特定細(xì)節(jié)，以便于提供對(duì)本發(fā)明的透徹理解。但是，本領(lǐng)域的技術(shù)人員會(huì)理解，即使沒有這些特定細(xì)節(jié)也可實(shí)施本發(fā)明。在其它情況下，沒有詳細(xì)描述眾所周知的方法、過程、組件和電路，以免影響對(duì)本發(fā)明的理解。

本發(fā)明中所采用的術(shù)語(yǔ)“語(yǔ)素”是指語(yǔ)言數(shù)據(jù)中的不可拆分的最小單位，對(duì)應(yīng)為一個(gè)字或一個(gè)單詞。

如圖1所示，公開了一種領(lǐng)域術(shù)語(yǔ)抽取的方法，包括：

S11、對(duì)原始語(yǔ)料以語(yǔ)素為單位進(jìn)行任意長(zhǎng)度的切分，獲得若干候選術(shù)語(yǔ)，其中，每個(gè)所述候選術(shù)語(yǔ)由至少二個(gè)語(yǔ)素組成；

S12、從詞頻、互信息、左右熵、獨(dú)立性和結(jié)構(gòu)多個(gè)維度對(duì)每個(gè)所述候選術(shù)語(yǔ)進(jìn)行分析，確定該候選術(shù)語(yǔ)的多個(gè)特征參數(shù)；

S13、利用確定的所述多個(gè)特征參數(shù)，計(jì)算出該候選術(shù)語(yǔ)的領(lǐng)域術(shù)語(yǔ)度；

S14、抽取所述領(lǐng)域術(shù)語(yǔ)度高于閾值的候選術(shù)語(yǔ)作為新的領(lǐng)域術(shù)語(yǔ)。

本發(fā)明通過詞頻、互信息、左右熵、獨(dú)立性和結(jié)構(gòu)上對(duì)候選術(shù)語(yǔ)進(jìn)行多個(gè)維度的充分的分析，保證提取的術(shù)語(yǔ)可靠性和準(zhǔn)確性較高。

以下對(duì)上述方法進(jìn)行詳細(xì)說(shuō)明：