基于大语言模型的企业术语提取实践

doi:10.12339/j.issn.1673-8578.2025.04.031

中国科技术语 ›› 2025, Vol. 27 ›› Issue (4): 136-141.doi: 10.12339/j.issn.1673-8578.2025.04.031

基于大语言模型的企业术语提取实践

高志军¹(), 季陈¹(), 刘可²^,^*()

¹ 北京大学软件与微电子学院,北京 102600
² 小米科技有限责任公司,北京 100085

收稿日期:2025-02-24 出版日期:2025-07-06 发布日期:2025-07-06
通讯作者:
^*刘可,小米科技有限责任公司内容管理办公室负责人。通信方式:liuke@xiaomi.com。
作者简介:
高志军,博士,北京大学软件与微电子学院讲师、硕士生导师,研究方向为自然语言处理、用户体验、技术传播。通信方式:gaozhijun@pku.edu.cn。
季陈,北京大学软件与微电子学院硕士研究生,研究方向为自然语言处理、数据挖掘、用户体验。通信方式:jichen@stu.pku.edu.cn。
基金资助:
北大-小米校企合作项目“基于大语言模型的术语提取”(MI113020230300002X)

The Practice of Corporate Terminology Extraction Based on Large Language Models

GAO Zhijun¹(), JI Chen¹(), LIU Ke²^,^*()

Received:2025-02-24 Online:2025-07-06 Published:2025-07-06

摘要/Abstract

摘要：

文章以小米公司术语为例,探讨了大语言模型在企业术语提取中的应用。通过实验分析了现有大模型在提取企业术语方面的能力,并结合提示词优化、微调模型等方法尝试增强其对企业术语的适应性。实验结果表明,设计合适的提示词能够提高企业术语提取的准确率,微调大模型也能够显著提升术语提取的准确性,为术语提取任务提供了实践经验。研究也为大模型在企业知识管理中的应用提供了可借鉴的思路与方法。

关键词: 大语言模型, 企业术语提取, 提示词工程

Abstract:

This paper takes corporate terminology from Xiaomi as an example to explore the application of large language models in tasks like corporate terminology extraction.Through experiments,the paper analyzes the ability of available large models in extracting corporate terminology,attempting to enhance their adaptability to corporate terms by methods like optimizing prompt words and fine-tuning models.The experimental results show that designing appropriate prompts can significantly improve the accuracy of corporate terminology extraction,so does fine-tuning,providing valuable practical experience for related tasks.The research also offers actionable insights and methods for the application of large models in knowledge management of enterprises.

Key words: large language models, corporate terminology extraction, prompt engineering

高志军, 季陈, 刘可. 基于大语言模型的企业术语提取实践[J]. 中国科技术语, 2025, 27(4): 136-141.

GAO Zhijun, JI Chen, LIU Ke. The Practice of Corporate Terminology Extraction Based on Large Language Models[J]. China Terminology, 2025, 27(4): 136-141.

图/表 6

参考文献 14

[1]	FRANTZI K, ANANIADOU S, MIMA H. Automatic recognition of multi-word terms:.the c-value/nc-value method[J]. International journal on digital libraries, 2000, 3:115-130.
[2]	卢一鑫. 基于语料库的对外汉语教学领域术语提取[J]. 中国科技术语, 2024, 26(1):11. doi: 10.12339/j.issn.1673-8578.2024.01.002
[3]	高爽. 基于语料库的海事英语术语提取研究[D]. 大连: 大连海事大学, 2011:25-30.
[4]	ACHIAM J, ADLER S, AGARWAL S, et al. GPT-4 technical report[J/OL].(2023-03-15)[2025-02-14]. arXiv preprint.arXiv:2303.08774.
[5]	Devlin J, Chang M W, Lee K, et al. Bert:Pre-training of deep bidirectional transformers for language understanding[C]// Proceedings of the 2019 conference of the North American chapter of the association for computational linguistics:human language technologies: Vol.1(long and short papers). 2019:4171-4186.
[6]	吴俊, 程垚, 郝瀚. 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, 39(4):409-418.
[7]	常宝宝. 科技术语自动提取技术:现状与思考[J]. 中国科技术语, 2022, 24(1):3. doi: 10.12339/j.issn.1673-8578.2022.01.001
[8]	张华平, 李林翰, 李春锦. ChatGPT 中文性能测评与风险应对[J]. 数据分析与知识发现, 2023, 7(3):16-25. doi: 10.11925/infotech.2096-3467.2023.0214
[9]	陈曦, 陈美婷. 企业技术标准编写术语和定义常见问题分析[J]. 大众标准化, 2020(17):242-243.
[10]	李伟, 颜海峰. 术语管理实践的行业模式探索:《术语管理指南》述评[J]. 中国科技术语, 2020, 22(3):40-43. doi: 10.3969/j.issn.1673-8578.2020.03.006
[11]	杨长沛. 基于注意力机制的企业风险术语识别研究[D]. 南昌: 江西理工大学, 2023:23-52.
[12]	李冬梅, 朱朝阳, 李丽, 等. 基于BERT实现基础医学专业术语智能提取系统[J]. 基础医学教育, 2024, 26(11):1002-1007.
[13]	MEYERS A L, HE Y, GLASS Z, et al. The termolator:terminology recognition based on chunking,statistical and search-based scores[J]. Frontiers in Research Metrics and Analytics, 2018, 3:19.
[14]	ABACHA A B, YIM W, FU Y, et al. Medec:A benchmark for medical error detection and correction in clinical notes[J/OL].(2025-01-02)[2025-02-14]. arXiv preprint.arXiv:2412.19260.

模型	GPT-4o	Qwen-plus	GLM-4-Flash
版本	2024-02-01	2024-11-25	2024-08-27
开发者	OpenAI	阿里云	智谱AI
参数量	未公布*	72B	未公布

模型	GPT-4o	Qwen-plus	GLM-4-Flash
版本	2024-02-01	2024-11-25	2024-08-27
开发者	OpenAI	阿里云	智谱AI
参数量	未公布*	72B	未公布

模型	GPT-4o	Qwen-plus	GLM-4-Flash
Accuracy	62.02%	56.60%	53.40%
Recall	72.42%	68.99%	64.55%
F1	66.86%	62.18%	58.45%

模型	GPT-4o	Qwen-plus	GLM-4-Flash
Accuracy	62.02%	56.60%	53.40%
Recall	72.42%	68.99%	64.55%
F1	66.86%	62.18%	58.45%

模型	GPT-4o	Qwen-plus	GLM-4-Flash
Accuracy	59.62%	50.30%	56.70%
Recall	70.75%	63.25%	66.24%
F1	64.71%	56.04%	61.10%

基于大语言模型的企业术语提取实践

The Practice of Corporate Terminology Extraction Based on Large Language Models

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 14

相关文章 5

编辑推荐

Metrics

本文评价

模型	GLM2-6B	GLM2-6B-Finetuned	GLM2-6B-Enhanced
Accuracy	8.03%	50.25%	52.20%
Recall	12.25%	61.69%	64.96%
F1	9.82%	53.99%	57.88%

[1]	郭婉玉, 王洪华. 《背影》人机译本的情感表达对比研究[J]. 中国科技术语, 2025, 27(4): 91-93.
[2]	杜振雷, 刘翚. 计算术语学的学科定位与发展趋势[J]. 中国科技术语, 2025, 27(4): 12-20.
[3]	朱玉彬, 王梓. 大语言模型背景下的术语翻译研究:现状、问题与展望[J]. 中国科技术语, 2025, 27(3): 12-20.
[4]	王华树, 白华. 大语言模型技术在口译术语管理中的应用[J]. 中国科技术语, 2025, 27(2): 109-117.
[5]	冯志伟. 大语言模型时代的术语翻译[J]. 中国科技术语, 2024, 26(3): 93-96.