RST Spanish-Chinese Treebank/

TERM31_CHN-GS.rs3 (57)

EDU

Segment

Tagger

Central Unit

巴斯克语术语自动构建及其应用

1.简介

　　近年来，各语种都在开发科技类文章术语的自动构建工具，

尽管如此，对于自动选出的术语条目还是需要人工进行最后一步筛选。

下文列出了几个相关的术语工具：LEXTER（Bourigault，92），AT & Tko Terminght（Church & Dagan，94）IBM术语（Justeson & Katz，95）NPtool（Arpper，95）。

　　这些术语工具的应用领域可以分为两个部分：信息索引以及制作术语词汇表。

此外，在诸如计算机等术语呈现动态发展的领域，若未使用上述工具，

在实际操作中则不可能进行有效的术语整理工作。

　　若尝试对巴斯克语开发一个类似的工具，

我们将会因下列原因而遇到种种不便：

语言尚未统一使用方法，

并且能够进行的研究着实有限，

再者是因为巴斯克语是一种黏着语。

2.术语构建

　　获取一个术语完整且正式的定义是一个非常艰巨的任务，

同时也意味着一个必不可少的环节：

明确各术语的特征。

为从语料中获取技术术语，

通常会融合自然语言处理技术（以语言学知识为基础）以及统计学技术。

2.1.语言学技巧

　　语言学技巧通常使用在术语的最初筛选中。

由于经常使用词法句法模型，

用以分析文本或者至少说明性略语较为合适。

语言学工具的质量至少在很大程度上影响着分析结果。

而在一些项目中，既不进行词法分析也不分析句法。(Su等人，96)。

　　词根分析与词法分析用来消除歧义。

对于词尾有复杂变化的语言来说，仅看单词表面就进行分析，只会造成很糟糕的局面。

此时词根分析就变得更为不可或缺。

语言学知识的掌握同样是术语规范化过程中的重要环节，

由于一些术语可以构成其它更长的单词，

因此必须加以区分。

2.2.统计学方法

　　在绝大部分项目中，人们使用统计学方法来减少同一个语言学模型下的术语数量。

统计学方法会按照项目的不同而进行改变，

最简单的办法是获得一个绝对最低频率(Justeson&Katz，95)。

尽管如此，通常情况下还是会采用多个概率公式相结合的办法。

2.3.结果

若上述过程中获得的结果仍无法完全自动构建一个精确的术语条目，

则必须在覆盖度（召回率）和精确度（精确性）之间达到平衡。

在该平衡中，覆盖度为优先考虑的部分，

因此必须一直有人负责精简术语词汇。

若覆盖率需达到95%，

通常精确度会降低至50%，

若令精确度维持在85%左右，

覆盖率甚至不会达到35%。

3.巴斯克语的应用

　　IXA研究组试图针对巴斯克语开发一个此类工具，

为此，已准备了词法分析器（阿莱格里亚（Alegria）等，96），

词语分析器/说明性省略语分析器也即将开发完成（阿杜里斯（Aduriz）等，96），我们同时也在研究和句法相关的工具。

　　在准备上述工具的同时，

我们也对技术术语进行建模，

即精简这些术语的特性。

伴随着研发的目的，基于现有的科技字典并使用统计学办法，

我们已经构建了主要的模型。

尽管还没有取得最终结果，

我们认为该模型已囊括了语段模型涉及的内容。

另一方面，在筛选技术术语时，单词内部变格尤为重要。