利用高频词和互信息面向特定领域提取多字词表达  

The Extraction of Multiword Expression in Special Field with High Frequency Words and Mutual Information

作　　者：刘荣[1,2] 王丽娟[3] 张志平[1] 赵小兵[4] 

机构地区：[1]北京语言大学应用语言学研究所,北京100083 [2]太原理工大学文法学院外语系,山西太原030024 [3]太原理工大学计算机与软件学院,山西太原030024 [4]中央民族大学,北京100038

出　　处：《太原理工大学学报》2009年第3期210-214,共5页Journal of Taiyuan University of Technology

基　　金：国家自然科学基金资助项目(60663008)

摘　　要：在阐述了多字词表达定义的基础上,对面向特定领域的多字词表达提取的技术路线进行了详细说明。以大规模的真实文本为研究对象,利用领域高频词和互信息统计量提取多字词表达,确定了多字词表达的最大提取长度,并通过停用词表法对候选多字词表达进行噪声处理。实验结果表明:笔者提出的方法在处理对象规模、效率等方面均有所提高。The definition of multiword expression is fixed in the paper. The technology of extracting multiword expression in special field is discussed in detail, which appeals to high frequency word and mutual information. The texts processed in the paper amount to G level. The computation of time for large corpora is linear. The result is preferable by manual judgement.

关 键 词：多字词表达 特定领域 高频词 互信息 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]