[发明专利]一种基于定义与关系的术语抽取方法

摘要

本发明属于文本挖掘领域，尤其涉及一种基于定义与关系的术语抽取方法，该方法以挖掘术语定义与术语关系为主，综合构词规则和边界检测，其首先对文本进行定义抽取，从定义中生成初始的优质术语候补，之后会根据术语关系不断对术语候补进行扩充。本发明提出的上述术语抽取方法有利于提高对低频术语的辨识能力和对于通用性较高术语、长字数术语的抽取能力。

主权项

一种基于定义与关系的术语抽取方法，其特征在于，所述方法包括以下步骤：步骤1：对html格式的文本进行预处理与初始化；步骤2：依据步骤1处理后得到的文本，进行基于定义的术语候补抽取，生成一个术语候补集；步骤3：利用步骤1处理后得到的文本与步骤2生成的所述术语候补集，进行基于上下位关系的术语候补抽取，生成新的术语候补集；步骤4：利用步骤1处理后得到的文本与步骤3生成的所述术语候补集，进行基于整体部分关系的术语候补抽取，生成新的术语候补集；步骤5：利用步骤1处理后得到的文本与步骤4生成的所述术语候补集，进行基于并列关系的术语候补抽取，生成新的术语候补集；步骤6：对步骤5生成的所述术语候补集中的每一个术语候补进行基于构词规则的检查，生成一个通过构词规则检查的术语候补集；步骤7：利用步骤5生成的所述术语候补集和步骤6生成的所述通过构词规则检查的术语候补集对术语候补进行边界检测，生成新的术语集；步骤8：统计步骤7生成的所述术语集的元素个数为n，将n与步骤7执行前的术语集的元素个数进行比较，若二者相等则程序结束，返回当前的术语集；否则，执行步骤9；步骤9：计算机修正分词结果，返回至步骤3。