Loading article…
用語抽出（用語抽出、用語集抽出、用語認識、用語マイニングとも呼ばれる）は情報抽出のサブタスクです。用語抽出の目的は、与えられたコーパスから関連する用語を自動的に抽出することです。[1]
セマンティックウェブの時代では、ますます多くのコミュニティやネットワーク化された企業がインターネットを介してアクセスし、相互運用するようになりました。これらのコミュニティとその情報ニーズをモデル化することは、トピック駆動型ウェブクローラー、[2] ウェブサービス、[3] レコメンデーションシステム、[4]など、いくつかのウェブアプリケーションにとって重要です。用語抽出の開発は、言語業界にとっても不可欠です。
知識ドメインをモデル化する最初のステップの1つは、ドメイン概念の言語的表面表現を構成するドメイン関連用語の語彙を収集することです。ドメイン固有のドキュメントウェアハウスから技術用語を自動的に抽出するいくつかの方法が文献に記載されています。[5] [6] [ 7] [8] [9] [10 ] [11] [12] [13] [14] [15] [16] [17]
通常、自動用語抽出のアプローチでは、言語プロセッサ（品詞タグ付け、フレーズチャンキング）を使用して、用語の候補、つまり構文的に妥当な用語名詞句を抽出します。名詞句には、複合語（「クレジットカード」など）、形容詞名詞句（「現地の観光案内所」など）、前置詞名詞句（「取締役会」など）が含まれます。英語では、最初の2つ（複合語と形容詞名詞句）が最も頻繁に使用されます。[18]次に、統計的および機械学習の手法を使用して、候補リストから用語エントリがフィルタリングされます。フィルタリングされたこれらの用語は、曖昧さが少なく、特異性が高いため、知識ドメインの概念化や、ドメインオントロジーまたは用語ベースの作成のサポートに特に役立ちます。さらに、用語抽出は、意味的類似性、知識管理、人間による翻訳、機械翻訳など の非常に便利な出発点となります。
バイリンガル用語抽出
用語抽出の方法は、並列コーパスに適用できます。共起統計などと組み合わせることで、用語の翻訳候補を得ることができます。[19]バイリンガル用語は、比較可能なコーパス[20]（同じテキストタイプ、ドメイン内のテキストを含むが、文書間の翻訳を含まないコーパス） からも抽出できます。
参照
参考文献
- ^ Alrehamy, Hassan H; Walker, Coral (2018). 「SemCluster: アフィニティ伝播を用いた教師なし自動キーフレーズ抽出」。計算知能システムの進歩。 知能システムとコンピューティングの進歩。 Vol. 650。 pp. 222–235。doi :10.1007/978-3-319-66939-7_19。ISBN 978-3-319-66938-0。
- ^ Menczer F.、Pant G.、Srinivasan P. トピック駆動型クローラー：機械学習の問題。
- ^ Fan J. および Kambhampati S. 「パブリック Web サービスのスナップショット」、ACM SIGMOD レコード アーカイブ、第 34 巻、第 1 号 (2005 年 3 月)。
- ^ Yan Zheng Wei、Luc Moreau、Nicholas R. Jennings。推奨システムへの市場ベースのアプローチ、ACM Transactions on Information Systems (TOIS)、23(3)、2005年。
- ^ Bourigault D. および Jacquemin C. Term Extraction+Term Clustering: an integration platform for computer-aided terminology Archived 2006-06-19 at the Wayback Machine、Proc. of EACL、1999 年。
- ^ Collier, N.; Nobata, C.; Tsujii, J. (2002). 「分子生物学領域におけるタグ付きコーパスを使用した用語の自動取得と分類」.用語. 7 (2): 239–257. doi :10.1075/term.7.2.07col.
- ^ K. Frantzi、S. Ananiadou、H. Mima (2000)。複数語の用語の自動認識: C値/NC値法。C. Nikolau および C. Stephanidis (編) International Journal on Digital Libraries、第3巻、第2号、pp. 115-130。
- ^ K. Frantzi、S. Ananiadou、J. Tsujii (1998)「複数語の用語の自動認識における C 値/NC 値法」、ECDL '98 Proceedings of the Second European Conference on Research and Advanced Technology for Digital Libraries、pp. 585-604、ISBN 3-540-65101-2
- ^ L. Kozakov、Y. Park、T. Fin、Y. Drissi、Y. Doganata、T. Cofino。(2004) 「IBM テクニカル サポートの情報検索および配信システムにおける用語集の抽出と利用」( PDF)。IBM Systems Journal。43 ( 3): 546–563。doi :10.1147/sj.433.0546 。
- ^ Navigli R. および Velardi, P. ドキュメント ウェアハウスと専用 Web サイトからのドメイン オントロジーの学習。計算言語学。30 (2)、MIT プレス、2004 年、pp. 151-179
- ^ Oliver, A. および Vàzquez, M. TBXTools: 自動用語抽出のための無料、高速、柔軟なツール。自然言語処理の最近の進歩に関する議事録 (RANLP 2015)、2015 年、pp. 473–479
- ^ Y. Park、RJ Byrd、B. Boguraev。「自動用語集抽出: 用語識別を超えて」、国際計算言語学会議、第 19 回国際計算言語学会議議事録 - 台北、台湾、2002 年。
- ^ Sclano, F. および Velardi, P.。TermExtractor: 新興 Web コミュニティの共通用語を学習する Web アプリケーション。第 3 回エンタープライズ ソフトウェアおよびアプリケーションの相互運用性に関する国際会議 (I-ESA 2007) の議事録に掲載予定。ポルトガル、フンシャル (マデイラ島)、2007 年 3 月 28 ～ 30 日。
- ^ P. Velardi、R. Navigli、P. D'Amadio。Webマイニングによる専門用語集の作成、IEEE Intelligent Systems、23(5)、IEEE Press、2008年、18-25頁。
- ^ Wermter J. および Hahn U. 大規模コーパスにおける新しい用語の検索、K-CAP'05 議事録、2005 年 10 月 2 ～ 5 日、カナダ、アルバータ州バンフ
- ^ Wong, W.、Liu, W.、Bennamoun, M. (2007) ドメインの普及度と傾向を用いたドメインオントロジー学習のための用語の決定。第 6 回オーストラリアデータマイニング会議 (AusDM)、ゴールドコースト。ISBN 978-1-920682-51-4
- ^ Wong, W.、Liu, W.、Bennamoun, M. (2007) 確率的フレームワークにおけるドメインオントロジー学習のための用語性の決定。第 6 回オーストラリアデータマイニング会議 (AusDM)、ゴールドコースト。ISBN 978-1-920682-51-4
- ^ Alrehamy, Hassan H; Walker, Coral (2018). 「SemCluster: アフィニティ伝播を用いた教師なし自動キーフレーズ抽出」。計算知能システムの進歩。 知能システムとコンピューティングの進歩。 Vol. 650。 pp. 222–235。doi :10.1007/978-3-319-66939-7_19。ISBN 978-3-319-66938-0。
- ^ Macken, Lieve; Lefever, Els; Hoste, Veronique (2013). 「TExSIS: チャンクベースのアラインメントを使用した並列コーパスからのバイリンガル用語抽出」.用語学. 19 (1): 1–30. doi :10.1075/term.19.1.01mac. hdl : 1854/LU-2128573 .
- ^ セルジュ、シャロフ;ラップ、ラインハルト。ツエーゲンバウム、ピエール。 Fung、Pascale (2013)、比較可能なコーパスの構築と使用(PDF)、ベルリン: Springer-Verlag