领域术语自动获取是自然语言处理领域的一项重要的研究课题。随着自然语言处理(NLP)应用领域的不断扩展,对于领域专业词汇词典的需求也越来越迫切。研究证明把领域知识应用于信息处理的各种技术,例如信息检索、信息提取、数据挖掘等中去都会取得很好的效果,而这种方法的性能在很大程度上依赖于一个庞大的领域术语库。到目前为止,领域术语库主要依靠人工构建,代价十分巨大而且进展缓慢。因此,如何自动的对获取领域术语,并且及时发现领域新术语,对把握学科领域的发展现状、未来趋向等具有非常重要的理论和现实意义。 目前,国内对领域术语获取的研究主要集中在基于语料库的分析上,并且对领域术语自动获取的研究还不是很多。国外的研究很多局限在西方语言上,对于汉语并不适用。因此,自行研制适合于汉语的领域术语自动选取的方法,对汉语术语标准化、中文信息处理来说无疑具有十分重要的意义。 本文正是针对目前领域术语库主要采用人工构建的这种现状,对领域术语自动获取进行比较深入的探讨,本文的研究工作主要包括以下几个方面: 1、对已有的领域术语自动选取模型的本质、优缺点进行了分析和比较。 2、提出并建立了一种基于CBC聚类方法的领域术语自动获取模型,该模型避免了单纯以领域相减或统计方法获取领域术语的局限性。 3、通过对术语评分选取种子术语,并且引入修正的余弦公式来进行术语间相似度的计算,并设计了领域术语自动获取系统的核心模块。