关联度量及其组合在阿拉伯语多词术语提取中的研究
计算与语言
2014-09-11 v1
摘要
自动多词术语（Multi-Word Term, MWT）提取对于信息检索、问答系统和文本分类等诸多应用至关重要。尽管英语和其他欧洲语言的多词术语提取已采用多种方法，但针对阿拉伯语的研究却寥寥无几。本文提出了一种新颖的混合方法，结合语言学和统计学途径进行阿拉伯语多词术语提取。我们方法的主要贡献在于，在统计过滤步骤中，关联度量同时考虑了上下文信息以及术语度（termhood）和单元度（unithood）。此外，我们的技术在语言过滤步骤中考虑了多词术语变异的问题。我们通过将所提出的统计度量（NLC-value）与一些现有竞争者进行比较，利用阿拉伯语环境语料库评估了其性能。实验结果表明，就二元组和三词组的精确率而言，我们的 NLC-value 度量优于其他度量。
引用
@article{arxiv.1409.3005,
title = {A Study of Association Measures and their Combination for Arabic MWT Extraction},
author = {Abdelkader El Mahdaouy and Saïd EL Alaoui Ouatik and Eric Gaussier},
journal= {arXiv preprint arXiv:1409.3005},
year = {2014}
}
备注
This paper have been presented and published in 10th International Conference on Terminology and Artificial Intelligence Proceedings