A New Operationalization of Contrastive Term Extraction Approach Based on Recognition of Both Representative and Specific Terms

Nugumanova, Aliya; Bessmertny, Igor; Baiburin, Yerzhan; Mansurova, Madina

doi:10.1007/978-3-319-45880-9_9

Cited by 5 publications

(4 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Specialized literature presents tools such as TextRank (Zhang et al 2018b) to perform summaries and UIMA Tokens Regex (Nugumanova et al 2016) for tokenization. There are also tools for the segmentation and lexical analysis of Mandarin language texts (Guo et al 2015;Zhao and Wang 2022) and tools for text classification (Mishra and Sharma 2021).…”

Section: What Are the Tools Used For The Development Of Automatic Ter...mentioning

confidence: 99%

“…Nugumanova et al (2016),Cram and Daille (2016),Guan et al (2016),Stanković et al (2016),Nassirudin and Purwarianti (2016),Zhan and Wang (2016),Lopes et al (2016),Lossio-Ventura et al (2016),Ali and Saad (2016),Du et al (2016),Balachandran and Ranathunga (2016),Verberne et al (2016),Dong et al (2016) . (2017),Ghazzawi et al (2017),Lopes et al (2017),Yan et al (2017),Suleiman and Awajan (2017),Benabdallah et al (2017),Yu et al (2017),Oliver (2017),Arora et al (2017),Yan et al (2017),Giannakopoulos et al (2017),Yuan et al (2017) .…”

mentioning

confidence: 99%

See 1 more Smart Citation

Approaches, tools, algorithms, and methods for automatic term extraction: A systematic literature mapping

Andrade

Otálvaro

Jaramillo

et al. 2023

Preprint

View full text Add to dashboard Cite

Automatic term extraction is a branch of Natural Language Processing (NLP) used to automatically generate lexicographic materials, such as glossaries, vocabularies, and dictionaries. It allows the creation of standard bases for building unified theories and translations between languages. Scientific literature shows great interest in the construction of automatic term extractors and includes several approaches, tools, algorithms, and methods that can be used for their construction; however, the number of articles in specialized databases is vast, and literature reviews are not recent. This paper presents a systematic literature mapping of the existing material for developing automatic term extractors to provide an overview of approaches, tools, algorithms, and methods used to create them. For this purpose, scientific articles in the domain published between 2015 and 2022 are reviewed and categorized. The mapping results show that among the most used approaches are statistical, with 21.85%; linguistic, with 9.75%; and hybrid, with 68.29%. In addition, there are various computational tools for terminology extraction where authors use different methods for their construction and whose results are measured under the criteria of precision and recall. Finally, 113 documents were selected to answer the research questions and to demonstrate how automatic term extractors are constructed. This paper presents a global summary of primary studies as an essential tool to approach this type of computational system construction.

show abstract

Section: What Are the Tools Used For The Development Of Automatic Ter...mentioning

confidence: 99%

mentioning

confidence: 99%

Approaches, tools, algorithms, and methods for automatic term extraction: A systematic literature mapping

Andrade

Otálvaro

Jaramillo

et al. 2023

Preprint

View full text Add to dashboard Cite

show abstract

“…В работе [9] для автоматического формирования тезауруса предлагается гибридный подход, в кото-ром для извлечения часто используемых слов используется мера средней взаимной информации MI (Mutual Information), а для редких терминов -PMI (Pointwise Mutual Information в большей степени -точеч-ная взаимная информация). Применительно к китайскому языку авторами предложен эвристический подход [10], основанный на выявлении в составе кандидатов в термины последовательностей иерогли-фов, составляющих общеупотребительные слова, что позволяет повысить точность извлечения редких терминов.…”

Section: состояние проблемы и текущие исследованияunclassified

Ролевой Подход К Автоматическому Извлечению Фактов Из Естественно-Языковых Китайских Текстов

Бессмертный¹,

Bessmertnyy²,

Юй³

et al. 2017

ППС

View full text Add to dashboard Cite

(Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (ИТМО), Кронверкский просп., 49, г. Санкт-Петербург, 197101, Россия) В работе обсуждается проблема извлечения фактов из китайских текстов. Китайский язык достаточно сложен для машинной обработки, что обусловлено отсутствием пробелов между словами и многозначно-стью иероглифов, поэтому синтаксический анализ текстов невозможен без семантического анализа, поскольку любое сочетание иероглифов может быть интерпретировано неоднозначно. Существующие статистические методы сегментации предложений на слова и синтаксического анализа не обладают до-статочной полнотой и точностью, вследствие чего многофазный процесс (сегментация фраз, синтаксиче-ский анализ, извлечение фактов) приводит к накоплению ошибок.В статье предлагается ролевой подход к выявлению членов предложения на основе служебных слов, предлогов и послелогов, а также достаточно ограниченного словаря. Эти служебные слова и символы позволяют не только сегментировать последовательности символов, но и выявлять роли слов, а значит, и части речи в предложении. Даже такой небольшой набор слов позволяет в большинстве случаев успешно выявлять роль слов в предложении, в частности, имена собственные, существительные, глаго-лы, что делает возможным извлечение из текстов сущностей, а также фактов в виде субъект-предикат-объект. Проведенные на реальных текстах эксперименты показывают удовлетворительные результаты даже при ограниченном словаре. Предложенный подход демонстрирует высокую скорость, поскольку отсутствуют синтаксический разбор и сегментация фраз, использующие переборные методы.Ключевые слова: извлечение фактов, китайский язык, ролевой подход, анализ текстов, словарь, сег-ментация предложений, поверхностный синтаксический анализ, частеречный анализ.Извлечение фактов из китайских текстов (Chinese Open Relation Extraction, CORE) в последние годы является предметом исследования многих авторов. Разработки, предназначенные для алфавитных язы-ков, такие как TextRunner [1], не подходят для китайского языка в силу его особенностей. В китайском языке отсутствуют пробелы между словами, почти любое сочетание иероглифов может быть интерпре-тировано тем или иным способом, а выбор варианта сегментации обычно делается на основе контекста. Из этого следует, что сегментация предложений в китайском языке неотделима от семантического ана-лиза, что существенно усложняет задачу автоматической сегментации фраз. Схожая ситуация наблюда-ется в языках, широко использующих сложные слова. Например, немецкое слово Süsswasserkrokodil мо-жет быть интерпретировано как Süsswasser-krokodil (пресноводный крокодил) или Süss-wasserkrokodil (сладкий водяной крокодил).Вторая проблема обусловлена полисемией иероглифов, каждый из которых может иметь десятки смыслов и быть разным членом предложения, в результате чего многозначность устраняется лишь после анализа всего текста. Аналогичная проблема существует и в других языках, но в значительно меньшем масштабе.Третья проблема вызвана тем, что, нес...

show abstract

“…В китайском языке, как и в любом другом, имеется достаточно узкий набор очень часто используемых слов, которые можно включить в состав универсального словаря, использование которого позволит существенно повысить полноту распознавания предложений. Также для извлечения фактов из текста необходимо располагать словарем терминов, для формирования которого в рамках настоящего исследования используется подход, описанный в работах [9,10].…”

unclassified

A method of automatic open relation extraction from Chinese texts

Yu¹

2018

Naučno-teh. vestn. inf. tehnol. meh. opt.

View full text Add to dashboard Cite

В работе исследована проблема извлечения открытых отношений в форме субъект-предикат-объект из китайских текстов. В отличие от общепринятых многофазных методов, включающих сегментацию слов, частеречный и синтаксический анализ, предлагается ролевой подход к выявлению членов предложения без предварительного разбиения последовательности иероглифов на отдельные слова. В основе подхода лежит использование служебных слов, предлогов и послелогов в качестве признаков частей речи и членов предложения. В сочетании со словарем небольшого размера этого достаточно для извлечения фактов по запросу. Проведенные эксперименты на реальном техническом тексте показывают удовлетворительные результаты, сопоставимые с традиционным подходом. Ключевые слова извлечение фактов, китайский язык, ролевой подход, анализ текстов, словарь, сегментация предложений, частеречный анализ

show abstract

A New Operationalization of Contrastive Term Extraction Approach Based on Recognition of Both Representative and Specific Terms

Cited by 5 publications

References 19 publications

Approaches, tools, algorithms, and methods for automatic term extraction: A systematic literature mapping

Approaches, tools, algorithms, and methods for automatic term extraction: A systematic literature mapping

Ролевой Подход К Автоматическому Извлечению Фактов Из Естественно-Языковых Китайских Текстов

A method of automatic open relation extraction from Chinese texts

Contact Info

Product

Resources

About