英语网络非正规语言表达的自动识别与术语库构建

doi:10.12339/j.issn.1673-8578.2022.01.004

中国科技术语 ›› 2022, Vol. 24 ›› Issue (1): 36-44.doi: 10.12339/j.issn.1673-8578.2022.01.004

英语网络非正规语言表达的自动识别与术语库构建

夏榕璟(), 张克亮()

信息工程大学洛阳校区,河南洛阳 471003

收稿日期:2021-09-27 修回日期:2021-11-30 出版日期:2022-01-05 发布日期:2021-12-27
作者简介:夏榕璟(1998—),女,信息工程大学洛阳校区研究生。主要研究方向:自然语言处理、机器翻译、知识图谱等。通信方式: cczxxrj@163.com。
张克亮(1964—),男,博士,信息工程大学洛阳校区教授、博士生导师,主要研究领域为计算语言学、机器翻译、知识工程等。先后兼任中国人工智能学会理事及自然语言理解专委会委员,中国中文信息处理学会机器翻译专委会委员,国家自然科学基金、国家社会科学基金、教育部学位中心学位论文评审专家。长期从事计算语言学和语言信息处理教学科研工作,主持或参与完成国家科技支撑计划、国家自然科学基金、国家社会科学基金、装备科研等10余项课题的研究工作,其中包括主持国家自然科学基金重大项目课题1项,出版专著、编著、词典、教材4部(套),发表中英文论文80余篇。通信方式: kliang99@sina.com。
基金资助:
国家自然科学基金重大项目课题“多语言言语数据的获取、标注和分析研究”(11590771);教育部首批新文科研究与改革实践项目“语言和技术相结合的国防语言人才培养创新与实践”(2021100089)

Automatic Recognition and Terminology Database Construction of English Network Informal Language Expressions

XIA Rongjing(), ZHANG Keliang()

Received:2021-09-27 Revised:2021-11-30 Online:2022-01-05 Published:2021-12-27

摘要/Abstract

摘要：

网络非正规语言表达(Network Informal Language Expression, NILE)具有的创新性强、超常规化、表达方式口语化等特点,为许多自然语言处理任务带来了挑战。在使用网络语言进行交流的过程中,部分网络非正规语言表达逐渐标准化和规范化,形成网络非正规语言表达术语。通过对46万余条Twitter数据的收集、处理和分析,英语网络非正规语言表达可以在音、形、义层面划分为13类,并对其特征进行分析和总结。结合统计方法和规则方法的优点,设计了统计和规则融合的英语网络非正规语言表达自动识别方法。最终构建规模为7000余条的网络非正规语言表达术语库。

关键词: 网络非正规语言表达, 自动识别, 术语库

Abstract:

Network Informal Language Expression (NILE) has the characteristics of novelty, unconventionality and colloquialism,which poses a challenge to many natural language processing tasks. In the process of using online language for communication, some NILEs are gradually standardized and normalized, forming a crucial part of the NILE terminology. By collecting, processing and analyzing more than 460 000 tweets, we divide English NILEs into 13 categories from the perspectives of sound, form and sense, and further analyzed their characteristics. Taking the advantage of statistic-based approach and rule-based approach, we design an automatic English NILE recognition system based on the integration of statistical techniques and linguistic rules, and thereupon build a terminology database of 7000 NILE items.

Key words: Network Informal Language Expression (NILE), automatic recognition, terminology database

中图分类号:

夏榕璟, 张克亮. 英语网络非正规语言表达的自动识别与术语库构建[J]. 中国科技术语, 2022, 24(1): 36-44.

XIA Rongjing, ZHANG Keliang. Automatic Recognition and Terminology Database Construction of English Network Informal Language Expressions[J]. China Terminology, 2022, 24(1): 36-44.

图/表 6

参考文献 15

[1]	朱伟华. 谈谈术语的特性[J]. 外语教学与研究, 1987(2):47-49.
[2]	张雪, 孙宏宇, 辛东兴, 等. 自动术语抽取研究综述[J]. 软件学报, 2020, 31(7):2062-2094.
[3]	PANTEL P, LIN D. A Statistical Corpus-Based Term Extractor[M] // STUMPTNER M,CORBETTD,BROOKS M. Advances in Artificial Intelligence. Berlin Heidelberg: Springer-Verlag, 2001: 36-46.
[4]	HANG J S. Domain specific word extraction from hierarchical web documents: a first step toward building lexicon trees from web corpora[C]// Proceedings of the 4th SIGHAN Workshop on Chinese Language Learning: 64-71.
[5]	KAMEL N. Ontology-Based Information Extraction from Twitter[J]. Proceedings of the Workshop on Information Extraction and Entity Analytics on Social Media Data, 2012, 12:17-22.
[6]	张艳, 宗成庆, 徐波. 汉语术语定义的结构分析和提取[J]. 中文信息学报, 2003(6):9-16.
[7]	陈飞, 刘奕群, 魏超, 等. 基于条件随机场方法的开放领域新词发现[J]. 软件学报, 2013, 24(5):1051-1060.
[8]	杜丽萍, 李晓戈, 于根, 等. 基于互信息改进算法的新词发现对中文分词系统改进[J]. 北京大学学报(自然科学版), 2016, 52(1):35-40.
[9]	赵颂歌, 张浩, 常宝宝. 基于自注意力机制的科技术语自动提取技术研究[J]. 中国科技术语, 2021, 23(2):20-26.
[10]	顾春辉, 温昌斌. 联合国术语库建设及其对中国术语库建设的启示[J]. 中国科技术语, 2017, 19(3):5-9,34.
[11]	刘宇红, 殷铭. 术语表研制的四个步骤:以英语语言学为例[J]. 中国科技术语, 2021, 23(2):11-19.
[12]	ZHANG X, YAO T . A Study of Network Informal Language Using Minimal Supervision Approach[J]. Autonomous Systems:Self-Organization, Management, Control, 2008: 978-1-4020-8888-9.
[13]	景漾. 英汉网络词语构词浅析[J]. 校园英语, 2016(2):205.
[14]	刘宇红. 语言学术语的理据类型研究[J]. 中国科技术语, 2021, 23(1):17-22.
[15]	张怀建, 黎进安, 刘丽燕, 等. 新世纪大学英语语法 (下册)[M]. 广州: 华南理工大学出版社, 2003: 25.

分类		举例	词汇解释
音	借用英语字母的音	“thx” “ThanQ” “y” “plz”	thx = thanks ThanQ = thank you y = why plz = please
	借用数字的英语发音	“g2g” “4ever”	g2g= got to go (2 = to) 4ever = forever (4 = for)
	混合借用英语字母和数字的英语发音	“cul8er” “2B or not 2B”	cul8er = see you later 2B or not 2B = To be or not to be
	借用英语的音表达其他语言的义	“funny mud pee”	funny mud pee = bullshit(借用英语的读音取中文的义)
分类		举例	词汇解释
形	借用字母的形	“Oo”或者“OO”	Oo or OO = what a surprise! (模拟睁大眼睛,表示惊叹)
	借用符号的形	“:)”	:) = “smile”
	借用数字的形	“w00t” “d00d”	w00t = woot = what d00d = dude
	混合借用字母、数字和符号的形	“<3” “:-D”	<3 (it’s like a heart) :-D = happy
	带有符号	“b/c” “j/k” “^5”	b/c = because j/k = just kidding ^5 = high five (eg. Give me a high five! 表示“和我击个掌!”)
义	词义缩略	“LOL” “em” “gimme”	LOL = laugh out loud em = them gimme = give me
	借用其他语言的语义	“People Mountain People Sea” “Long time no see”	People Mountain People Sea = 人山人海 Long time no see = 好久不见
	旧词新义	“shade” “extra”	“shade”原义指“阴影”,在NILE中衍生为“含沙射影” “extra”原义指“额外的、另外的”,在NILE中衍生为“过度戏剧化、用力过猛”
	旧词组合衍生出新义	“meta ignorance” “mouse potato”	“meta ignorance”指对一个事了解得越少,越不知道自己在这方面到底有多么浅薄,从而产生一些不良后果 “mouse potato”指电脑迷,即整天趴在电脑前、沉迷网络无法自拔的人

分类		举例	词汇解释
音	借用英语字母的音	“thx” “ThanQ” “y” “plz”	thx = thanks ThanQ = thank you y = why plz = please
	借用数字的英语发音	“g2g” “4ever”	g2g= got to go (2 = to) 4ever = forever (4 = for)
	混合借用英语字母和数字的英语发音	“cul8er” “2B or not 2B”	cul8er = see you later 2B or not 2B = To be or not to be
	借用英语的音表达其他语言的义	“funny mud pee”	funny mud pee = bullshit(借用英语的读音取中文的义)
分类		举例	词汇解释
形	借用字母的形	“Oo”或者“OO”	Oo or OO = what a surprise! (模拟睁大眼睛,表示惊叹)
	借用符号的形	“:)”	:) = “smile”
	借用数字的形	“w00t” “d00d”	w00t = woot = what d00d = dude
	混合借用字母、数字和符号的形	“<3” “:-D”	<3 (it’s like a heart) :-D = happy
	带有符号	“b/c” “j/k” “^5”	b/c = because j/k = just kidding ^5 = high five (eg. Give me a high five! 表示“和我击个掌!”)
义	词义缩略	“LOL” “em” “gimme”	LOL = laugh out loud em = them gimme = give me
	借用其他语言的语义	“People Mountain People Sea” “Long time no see”	People Mountain People Sea = 人山人海 Long time no see = 好久不见
	旧词新义	“shade” “extra”	“shade”原义指“阴影”,在NILE中衍生为“含沙射影” “extra”原义指“额外的、另外的”,在NILE中衍生为“过度戏剧化、用力过猛”
	旧词组合衍生出新义	“meta ignorance” “mouse potato”	“meta ignorance”指对一个事了解得越少,越不知道自己在这方面到底有多么浅薄,从而产生一些不良后果 “mouse potato”指电脑迷,即整天趴在电脑前、沉迷网络无法自拔的人

word	count	word	count
realDonaldTrump	10524	Coronavirus	3230
Donald	8469	Obama	3194
POTUS	5981	Dems	2799
coronavirus	5832	Bloomberg	2432
2020	5599	Bernie	2416
MAGA	4088	Joe	2338
BrandonBeckham_	3630	Trump2020	1993
Trump	3622	KAG	1687
Biden	3550	Donnie	1564

word	count	word	count
realDonaldTrump	10524	Coronavirus	3230
Donald	8469	Obama	3194
POTUS	5981	Dems	2799
coronavirus	5832	Bloomberg	2432
2020	5599	Bernie	2416
MAGA	4088	Joe	2338
BrandonBeckham_	3630	Trump2020	1993
Trump	3622	KAG	1687
Biden	3550	Donnie	1564

word	word	word
Trump	#MAGA	President Trump
CoronaVirus	Sleepy Joe	Crazy Bernie
#KAG	the Fake News	&
Fake News	the House	@FoxNews
@foxandfriends	WWG1WGA	#IMPOTUS
#KAG2020	@POTUS	TRANSCRIPT

英语网络非正规语言表达的自动识别与术语库构建

Automatic Recognition and Terminology Database Construction of English Network Informal Language Expressions

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

word	word	word	word
KAG	COVID19	WWG1WGA	VP
PPE	CCP	SOTU	2A
USMCA	ETTD	QE	DNI
RNC	5G	TDS	CORONAVIRUS
NPR	ACA	RIPGOP	DEM
SDNY	N95	DPA	WSJ

NILE	meaning	see_also
86	Out of, over, to get rid of, or kicked out	POOF; ::poof::;
88	Hugs and kisses	143; HAK; HUGZ; XOXO;
8t	it means it	ysdiw8; gn8;
8th-floor decision	media contamination	media contamination;
9	Parent is watching	99;
99	Parent is no longer watching	9; POS; PIR;
996	Work 9am-9pm, 6 days a week	24/7; always-on;
A crapella	Lolcat	Lolcat;
a New York minute	Internet time	Internet time; ohnosecond; 24/7; @me next time; AFT;
NILE	meaning	see_also
A/N	Author's Note	author;
A/S/L/P	Age/Sex/Location/Picture	ASL; S2R;
A2D	Agree to Disagree	ATWD; GMTA; RUFKM; YGBK;
A3	Anytime, Anyplace, Anywhere	ne1; cyberslang; leetspeak; sexting; shorthand;
AAAAA	American Association Against Acronym Abuse	AFZ; IHA; TMA;
AAC	Advanced Audio Coding	digital music;
AAF	As A Friend-or-Always And Forever	FOAF; TIAIL;
AAK	Asleep At Keyboard	C-P; ZZZ; NAK;
AAMOF	As A Matter Of Fact	AAMOI; FYI;
AAMOI	As A Matter Of Interest	AAMOF;
AAP	Anarchy Arrogance Pollution	hacktivist; greenwash; hashtag;
AAR	At Any Rate	AAR8; MRA;
AAR8	At Any Rate	AAR; FWIW;
AAS	Alive And Smiling	BSAAW; S;
AATK	Always At The Keyboard	multitasking; AFK; BAK;
AAYF	As Always, Your Friend	BFF; RE; TWIMC;
AB	Ass Backwards-or-Ah Bless	asset-backward; backwards compatible; ADIP;
ab/abt	about	ABT2;
ABC	Always Be Creating/Communicating-or-Accept, Believe, Confess	acronym; NICE; TTYL; ISH; ITA;
ABH	Anywhere But Here	acronym; OMW; BCNU; GOOD job; GTFOOH;
ABI-Binary	Application Binary Interface	ABI (Automated Broker Interface);
ABI-Broker	Automated Broker Interface	ABI (Application Binary Interface);
ABITHIWTITB	A Bird In The Hand Is Worth Two In The Bush	BLBBLB;
ABK	Always Be Knolling	AATK;
above the fold	a.k.a. ATF	below the fold; eye candy; dancing baloney;
ABT2	About To	FGDAI;

[1]	王海峰, 刘小青, 高金岭. 基于视觉语法的多模态建筑术语库构建理据与路径[J]. 中国科技术语, 2023, 25(4): 21-31.
[2]	单宇, 曹悦琪, 汪韵. 中国高铁“出海”术语库建设与应用[J]. 中国科技术语, 2022, 24(3): 90-96.
[3]	蒋继彪, 祁兴华. 中医药术语汉英在线查询系统的设计与实现[J]. 中国科技术语, 2022, 24(2): 92-96.
[4]	王坤. 面向计算机辅助翻译的民航规章术语库词性规则研究[J]. 中国科技术语, 2022, 24(2): 65-69.
[5]	向露, 周玉, 宗成庆. 基于中英文单语术语库的双语术语对齐方法[J]. 中国科技术语, 2022, 24(1): 14-25.
[6]	邱碧华编译. 基于框架术语学理论的北约术语管理[J]. 中国科技术语, 2020, 22(3): 33-39.
[7]	柳菁. 敦煌文化汉英术语库建设及术语管理研究[J]. 中国科技术语, 2019, 21(2): 17-21.
[8]	雷树杰, 邢富坤. 英文武器装备名的构成类型与构造模式研究[J]. 中国科技术语, 2019, 21(1): 14-20.
[9]	孙寰, 陈岩. 面向翻译的船海核相关专业汉英俄术语库建设研究[J]. 中国科技术语, 2018, 20(5): 17-21.
[10]	邱碧华/编译. 术语学家K.托拉基教授与希腊术语工作[J]. 中国科技术语, 2018, 20(4): 26-29.
[11]	陶李春, 陆晓蕾. 汉英统计学术语建库探索与思考[J]. 中国科技术语, 2017, 19(4): 5-10.
[12]	顾春辉, 温昌斌. 联合国术语库建设及其对中国术语库建设的启示[J]. 中国科技术语, 2017, 19(3): 5-9.
[13]	王华树. 科技翻译项目中的术语管理[J]. 中国科技术语, 2015, 17(4): 17-21.
[14]	梁爱林. 术语管理工具的应用[J]. 中国科技术语, 2015, 17(2): 27-31.
[15]	徐小棚, 安小米, 代晓明. 基于Web 2.0的术语库构建:QuickMerger文件信息管理术语库构建案例研究[J]. 中国科技术语, 2012, 14(6): 9-14.