术语提取

    术语自动抽取是自然语言处理的一个重要问题。目的是在文本集中抽取一定意义的词语搭配。术语抽取可以应用在机器翻译、自动索引、信息检索、信息抽取、构建词汇知识库等领域。目前，国内外进行词语搭配抽取的研究方法主要是基于统计。作为一种特殊的词语搭配，术语的抽取过程一般有两个步骤： 

    1、进行术语候选抽取（Term Candidate Extraction）; 
    2、在候选集中进行术语选择（Term Selection）  

    通常基于统计计算字串的内部结合强度来决定是不是候选术语，常用的方法有频率、互信息、Dic公式等。其中互信息方法在两字新词抽取方面结果较好，它的F-测量为57.82%。术语选择的方法有依据频次排序选择法，即根据候选术语在语料中出现的频次从多到少排序，按顺序选择一定数目的候选术语作为术语选择的结果；另外就是利用术语的词法、句法信息和语义信息等进行术语选择。