[发明专利]一种术语识别抽取方法及系统

权利要求书

1.一种术语识别抽取方法，其特征在于，所述术语识别抽取方法包括：对术语进行多次识别抽取；识别出多术语组合术语；匹配出翻译译文；并进行术语提取。

2.如权利要求1所述的术语识别抽取方法，其特征在于，所述专业术语识别抽取方法包括：

a)准备：整理各语种各领域术语库、对应的翻译内容、语种及领域：

b)领域的划分；

c)操作领域和分词，通过词性标注算法对分词进行检测，判断该分词是术语概率有多少，如果低，直接忽略，概率高的则保留；

d)根据步骤c)产生的词汇，与所述语种、领域的术语库进行匹配，如果匹配，认定为术语，剩余的词汇进行下一步操作；

e)步骤d)剩余的词汇，通过非术语词汇表，进行匹配过滤，如果词汇存在非术语词汇表，认定该词汇不是术语；

f)与术语库、非术语库的匹配，确定出两组数据：术语、非术语。

g)将文档的术语、非术语数据通过术语提取方法重新再进行一次术语的提取。

3.如权利要求1所述的术语识别抽取方法，其特征在于，所述专业术语识别抽取方法进一步包括：

1)把给定的文本T按照完整句子进行分割，T＝[S1，S2，...，Sm]；

2)对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词，Si＝[ti,1，ti,2，...，ti,m]，其中ti,j∈Sj是保留后的候选术语；

3)构建候选术语图G＝(V,E)，其中V为节点集，由生成的所述候选术语组成；然后采用共现关系构造任两点之间的边，两个节点之间存在边仅当它们对应的词汇在长度为K的窗口中共现，K表示窗口大小，最多共现K个单词；

4)根据上面公式，并结合庞大的语料库，迭代传播各节点的权重，直至收敛；

5)对节点权重进行倒序排序，得到最重要的T个单词，作为候选术语；

6)由5)得到最重要的T个单词，在原始文本中进行标记，若形成相邻词组，则组合成多词术语；加入术语序列；

7)确定出两组数据：术语、非术语；

8)对两次术语处理产生的术语数据进行整合，排重，然后合并，最后得到所有术语。

4.如权利要求2所述的术语识别抽取方法，其特征在于，对分词进行检测方法为：分词之后对每个词通过词性标注算法进行词性标注，去除数词、量词、副词、介词、连词、助词、叹词等词性的词；

与所述语种、领域的术语库进行匹配方法为：拿到产生的词汇挨个去术语库匹配查询是否存在；

通过非术语词汇表，进行匹配过滤方法为：拿到剩余的词汇挨个去非术词汇表查询是否存在，如果存在，那该词汇不属于术语。

5.如权利要求3所述的术语识别抽取方法，其特征在于，把给定的文本T按照完整句子进行分割方法为：按照标点符号进行断句分割；

对于每个句子，进行分词和词性标注处理，并过滤掉停用词，只保留指定词性的单词方法为：分词之后对每个词通过词性标注算法进行词性标注，去除数词、量词、副词、介词、连词、助词、叹词等词性的词；

采用共现关系构造任两点之间的边方法为：通过共现关系以当前词为中心构造出一个窗口；

迭代传播各节点的权重方法为：在每个词的窗口内，依次计算该词跟窗口内每个词的权重关系；

对节点权重进行倒序排序方法为：按照权重大小进行倒叙排序，权重大的排在前面；

对两次术语处理产生的术语数据进行整合，排重，然后合并方法为：两次术语处理之后得到两组结果，将两组结果合并，去除重复词语只留一个。

6.一种如权利要求1～5任意一项所述的术语识别抽取方法的语言翻译系统。