基于UMLS专家词典与工具的词形归并算法研究-十二五科技支撑计划.PDF

·博士论坛· 情报科学 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 博士论坛 第第3131卷卷第第44期年44月月 基于UMLS 专家词典与工具的词形归并算法研究 李晓瑛,李丹亚,胡铁军 （中国医学科学院医学信息研究所，北京 100020） 摘 要: 在简述词形归并（原形化处理）基本目标的基础上，着重分析UMLS 专家词典的构建方式 与词典工具的核心功能，以及Norm 原形化工具的处理机制；在此基础上，提出一种词形归并算法 及Norm 处理缺陷的修正办法，并收集医学词表数据进行算法测试与验证；此外，本文算法与经典 的Porter 算法进行了多方面的深入比较研究。 关键词: 词形归并；UMLS 专家词典；Norm 原形化工具 中图分类号：G254 文献标识码：A 文章编号：1007-7634 （2013 ）04-134-05 InvestigationofAlgorithmforLemmatisationBasedonUMLS SPECIALISTLexiconandLexicalTools LI Xiao-ying, LI Dan-ya, HU Tie-jun (Institute of Medical Information, Chinese Academy of Medical Sciences, Beijing 100020, China) Abstract:Based on the brief description of the basic objective of lemmatization (normalization), the mech⁃ anism of developing UMLS SPECALIST lexicon and the key performance of the lexical tool, especially the working procedure of Norm, were carefully studied. Then an algorithm for lemmatization and the strategy to correct the defect of Norm processing were proposed, followed by testing and verification using the lexi⁃ cal data from medical vocabularies. Besides, the well-known Porter method was used for algorithm com⁃ parison. Keywords:lemmatization; UMLS SPECIALIST lexicon; Norm 随着信息时代的到来，越来越多的学者开始研 1 引 言 究自动词形归并算法，以期提高自然语言处理中的 文本处理效率。根据算法的实现原理，词形归并大 【3】 在语言学中，词形归并(lemmatisation 或lemma⁃ 体可