使用多带加权有限状态机从语料库中提取缩略词及其含义

从语料库中自动提取缩略词及其含义是文本挖掘的一个重要子任务。它可以被视为字符串对齐的一个特例，其中文本块与缩略词进行对齐。不同的对齐方式具有不同的代价，理想情况下，代价最低的对齐应给出缩略词的正确含义。我们展示了如何通过三带加权有限状态机（3-WFSM）来实现该方法，该状态机在带 1 上读取文本块，在带 2 上读取缩略词，并在带 3 上生成所有备选对齐。该 3-WFSM 可以从简单的正则表达式自动生成，在任何阶段都不需要额外的算法。我们的 3-WFSM 具有 27 个状态和 64 个转移，能在几毫秒内找到缩略词的最佳分析。