面向军事领域的土耳其语术语自动抽取研究

doi:10.12339/j.issn.1673-8578.2022.01.003

中国科技术语 ›› 2022, Vol. 24 ›› Issue (1): 26-35.doi: 10.12339/j.issn.1673-8578.2022.01.003

面向军事领域的土耳其语术语自动抽取研究

张贵林¹(), 易绵竹¹(), 李宏欣¹(), 闫丹辉¹, 孙玥莹²

1.信息工程大学洛阳校区,河南洛阳 471003
2.中国科学技术信息研究所,北京 100190

收稿日期:2021-07-05 修回日期:2021-09-25 出版日期:2022-01-05 发布日期:2021-12-27
作者简介:张贵林(1982—),男,博士研究生,战略支援部队信息工程大学洛阳校区学员,研究方向为语言信息处理,主要从事形态学、术语学、语料资源构建和机器翻译等方面的研究。通信方式: guilin_1982@163.com。
易绵竹(1964—),男,战略支援部队信息工程大学洛阳校区教授、博士生导师、语言信息处理方向研究生教学指导组组长,兼任中国中文信息学会理事、国家社会科学基金项目和教育部学位与研究生教育发展中心学位论文通信评审专家等职,曾在俄罗斯伊尔库茨克国立大学和普希金俄语学院访学,获俄联邦语文科学博士学位,享受博士后待遇,主要从事计算语言学、本体语义学及术语学研究,主持完成国家级和部委级重点科研课题10余项,在国内外学术期刊发表论文近百篇,出版著作、译作和辞书8部,获省部级以上学术奖励和荣誉称号10余项。通信方式: 13373781261@163.com。
李宏欣(1983—),男,博士,战略支援部队信息工程大学洛阳校区副教授,研究方向为量子信息与基础数学,在国内外学术期刊发表论文数十篇。通信方式: lihongxin830@163.com。
基金资助:
国防科技创新特区项目“面向周边国家多语言信息的领域知识获取与分析”(18H86301ZT00500501)

Research on Auto-Extraction of Turkish Terminology in Military Field

ZHANG Guilin¹(), YI Mianzhu¹(), LI Hongxin¹(), YAN Danhui¹, SUN Yueying²

Received:2021-07-05 Revised:2021-09-25 Online:2022-01-05 Published:2021-12-27

摘要/Abstract

摘要：

文章以土耳其语军事领域术语语言特征研究为基础,提出一种规则与统计相结合的术语抽取方法,先后通过关键词、停止词、形态分析序列模式、点互信息、左右信息熵和临接词缀等特征对单语文本中的候选项进行筛选,在W-data和N-data大小两组单语文本中进行实验,结果表明该方法能够有效地从实验数据中抽取土耳其语军事术语。

关键词: 土耳其语军事术语, 过滤词典, 自动抽取方法

Abstract:

Based on the analysis on the linguistic features of Turkish military terminologies, we proposed a terminology extraction method using combination of rules and statistics algorithm, and experimentally verified this method on monolingual W-data and N-data. The candidate items in the monolingual text are filtered through keywords, stop words, morphological analysis sequence pattern, pointwise mutual information, left and right information entropy and adjacency suffixes. Our results show that the proposed method can effectively extract Turkish military terminologies from the experimental data.

Key words: Turkish terminology extraction, filtering dictionary, automatic extraction methodologies

中图分类号:

张贵林, 易绵竹, 李宏欣, 闫丹辉, 孙玥莹. 面向军事领域的土耳其语术语自动抽取研究[J]. 中国科技术语, 2022, 24(1): 26-35.

ZHANG Guilin, YI Mianzhu, LI Hongxin, YAN Danhui, SUN Yueying. Research on Auto-Extraction of Turkish Terminology in Military Field[J]. China Terminology, 2022, 24(1): 26-35.

图/表 8

图1 基于混合方法的术语抽取流程图

图2 土耳其语术语长度统计

图3 军事术语末尾关键词出现频次

harekât(118)
muharebe(104)
harp(97)
komutanlı

g ˙

ı(89)
mayın(85)
istihbarat(78)
kuvvetleri(75)
ateş(62)
komutanı(61)
müttefik(59)

行动
战斗
战争
司令部
地雷
情报
力量
火力
指挥官
盟友

nükleer(58)
silah(56)
müşterek(55)
taarruz(53)
subayı(48)
birlik(46)
komuta(46)
gemisi(45)
savunması(30)
barış(27)

核
武器
联合
攻击
军官
部队
指挥
舰船
防御
和平

harekât(118)
muharebe(104)
harp(97)
komutanlı

g ˙

ı(89)
mayın(85)
istihbarat(78)
kuvvetleri(75)
ateş(62)
komutanı(61)
müttefik(59)

行动
战斗
战争
司令部
地雷
情报
力量
火力
指挥官
盟友

nükleer(58)
silah(56)
müşterek(55)
taarruz(53)
subayı(48)
birlik(46)
komuta(46)
gemisi(45)
savunması(30)
barış(27)

核
武器
联合
攻击
军官
部队
指挥
舰船
防御
和平

表1 军事术语词频表常用词

形态分析序列	样词	频次
noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	hava taarruzu	832
noun+a3sg+pnon+nom noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	füze ikaz sistemi	385
adj noun+a3sg+pnon+nom	büyük amiral	291
adj noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	idari komuta zinciri	251
noun+a3sg+pnon+nom noun+a3sg+pnon+nom	esas birlik	139
verb+pos+noun+inf2+a3sg+pnon+nom noun+a3sg+p3sg+nom	yükleme emri	97
noun+a3sg+pnon+nom+adj+with noun+a3sg+pnon+nom	kıçlı gemi	80
noun+a3sg+pnon+nom verb+pos+noun+inf2+a3sg+pnon+nom noun+a3sg+p3sg+nom	hava savunma ateşi	73
noun+a3sg+pnon+nom noun+a3pl+p3sg+nom	düşman faaliyetleri	49
noun+a3sg+pnon+nom noun+a3sg+pnon+nom noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	stratejik a $g ˙$ ır bombardıman uça $g ˙$ ı	49

形态分析序列	样词	频次
noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	hava taarruzu	832
noun+a3sg+pnon+nom noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	füze ikaz sistemi	385
adj noun+a3sg+pnon+nom	büyük amiral	291
adj noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	idari komuta zinciri	251
noun+a3sg+pnon+nom noun+a3sg+pnon+nom	esas birlik	139
verb+pos+noun+inf2+a3sg+pnon+nom noun+a3sg+p3sg+nom	yükleme emri	97
noun+a3sg+pnon+nom+adj+with noun+a3sg+pnon+nom	kıçlı gemi	80
noun+a3sg+pnon+nom verb+pos+noun+inf2+a3sg+pnon+nom noun+a3sg+p3sg+nom	hava savunma ateşi	73
noun+a3sg+pnon+nom noun+a3pl+p3sg+nom	düşman faaliyetleri	49
noun+a3sg+pnon+nom noun+a3sg+pnon+nom noun+a3sg+pnon+nom noun+a3sg+p3sg+nom	stratejik a $g ˙$ ır bombardıman uça $g ˙$ ı	49

表2 使用最频繁的前十种军事术语形态分析序列

图4 单词个数与单词字数占比

候选术语	点互信息	左信息熵	右信息熵
biber gazı(胡椒喷雾)	12.17852346	4.842302	2.558059
emir komuta zinciri(命令链)	12.17622607	5.22714	2.850612
top atışı(炮击)	11.4599588	4.150541	3.102924
mekanize piyade tugayı(机械化步兵旅)	10.74342966	4.015664	3.121928
canlı bomba(人肉炸弹)	7.181017496	5.272773	4.454822
ses bombası(气浪弹)	7.69873831	4.080501	2.772018
nükleer başlık(核弹头)	9.271276593	3.418296	2.75
göz yaşartıcı gaz bombası(催泪弹)	8.697942703	4.178439	3.291393
kıtalararası balistik füze(洲际弹道导弹)	7.934595466	4.795581	3.964153
çevik kuvvet polis(防暴警察)	7.467411379	6.111707	3.039149

表3 词典外军事术语实例

筛选方法	抽取的候选术语	正确术语数目	军事术语数目	正确率
点互信息	624	490	355	56.89%
左右信息熵	154	142	117	75.97%

表4 实验结果

参考文献 12

[1]	吴俊, 程垚, 郝瀚, 等. 基于BERT嵌入BiLSTM-CRF模型的中文专业术语抽取研究[J]. 情报学报, 2020, 394(4):409-418.
[2]	孙甜, 陈海涛, 吕学强, 等. 新能源专利文本术语抽取研究[J/OL]. 小型微型计算机系统, 网络首发时间: 2021-05-12 08∶31∶22.
[3]	SÖZLÜK T[S]. Ankara: Türk Dil Kurumu Yayınları, 2011.
[4]	DOĠRU G. Automatic Term Extraction from Turkish to Engish Medical Corpus[J]. EUROPHRAS, 2019: 157-166.
[5]	WENDT M, BUSCHER C, HERTA C. Extracting Domain Terminologies from the World Wide Web[C]. Proceedings of Fifth Web as Corppus Workshop(WAC5), 2009.
[6]	董洋溢, 李伟华, 于会. 文本特征和复合统计量的领域术语抽取方法[J]. 西北工业大学学报, 2017, 35(4):729-735.
[7]	CHATZITHEODOROU K, KAPPATOS V. Hybrid extraction of multi word terms: an application on vibration-based condition monitoring technique[J]. Mathematical Models in Engineering. 2021, 7(2):1-9. doi: 10.21595/mme URL
[8]	SONG X Y, FENG A, WANG W K, et al. Multidimensional Self-Attention for Aspect Term Extraction and Biomedical Named Entity Recognition[J]. Mathematical Problems in Models in Engineering. 2020: 1-6.
[9]	冯志伟. 现代术语学引论[M].增订本. 北京:商务印书馆, 2011.
[10]	JUSTESON J S, KATZ S M. Principled Disambiguation: Discriminating Adjective Senses with Modified Nouns[J]. Computational Linguistics. 1995, 21(1):1-27.
[11]	GALE W A, CHURCH K W. A Program For Aligning Sentences In Bilingual Corpora[J]. Proceedings of the 29th Annual Meeting of the Association of Computational Linguistics. 1993, 19(1):75-102.
[12]	耿升华. 新词识别和热词排名方法研究[D]. 重庆:重庆大学计算机学院硕士论文, 2013.

面向军事领域的土耳其语术语自动抽取研究

Research on Auto-Extraction of Turkish Terminology in Military Field

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 12

相关文章 0

编辑推荐

Metrics

本文评价