Видобування термінології

Видобування термінології (інші назви — видобування термінів, видобування глосарія, розпізнавання термінів, видобуток термінології) — одна із задач у рамках видобування інформації. Метою видобування термінології є автоматичне віднайдення термінів певної предметної області в наявному корпусі текстів^[1].

В епоху семантичної павутини дедалі більше спільнот і мережевих підприємств отримують доступ до Інтернету і взаємодіють у ньому. Моделювання такої взаємодії та інформаційних потреб цих спільнот є важливим для деяких вебзастосунків, як-от пошукові роботи^[2], вебслужби^[3], рекомендаційні системи^[4] тощо. Крім того, розвиток технологій видобування термінології важливий для мовної галузі.

Одним із перших кроків до моделювання предметної області є складання словника релевантних термінів, який стає мовним унаочненням її понять. У літературі описано кілька методів автоматичного видобування технічних термінів зі сховищ документів^{[5][6][7][8][9][10][11][12][13][14][15][16]}.

Як правило, для автоматичного виділення термінів використовують засоби обробки мови (розмічування частин мови, виокремлення фраз), за допомогою яких визначають термінологічні кандидати — тобто синтаксично вірогідні термінологічні іменникові групи.

Іменникові групи включають:

• іменникові словосполучення (наприклад, «рада директорів»)
• прикметникові іменникові словосполучення (наприклад, «кредитна картка»)
• прийменникові іменникові словосполучення (наприклад, «лоток для відходів»).

Зокрема, в англійській мові найчастіше зустрічаються перші два типи (іменникові та іменникові словосполучення)^[1].

Після цього терміни, які увійшли в список кандидатів, обробляються за допомогою методів статистики і машинного навчання. Відфільтровані таким чином терміни матимуть низьку неоднозначність і високу специфічність, тому вони особливо корисні для концептуалізації області знань і для підтримки створення онтології області або термінологічної бази.

Видобування термінології є дуже корисною відправною точкою для семантичної схожості, управління знаннями, перекладу людиною та машинного перекладу тощо.

Видобування двомовної термінології

Методи видобування термінології застосовні не тільки до одномовних, а й до паралельних корпусів. У поєднанні, наприклад, зі статистикою спільного входження можна створити список кандидатів для перекладу термінів^[17]. Двомовну термінологію можна також витягти із порівнянних корпусів^[18] (тобто корпусів, які містять тексти в межах одного текстового типу і належать до однієї предметної області, але не містять перекладів).

Див. також

• Комп'ютерна лінгвістика
• Глосарій
• Обробка природної мови
• Онтологія предметної області
• Індексування
• Таксономія (загальна)
• Термінологія
• Інтелектуальний аналіз тексту
• Спрощення тексту