丁长林，白 宇，蔡东风

(沈阳航空航天大学 知识工程研究中心 计算机学院,辽宁 沈阳 110136)



基于有监督学习的医古文叙述性术语语义标注

丁长林，白 宇，蔡东风

(沈阳航空航天大学 知识工程研究中心 计算机学院,辽宁 沈阳 110136)

对自由文本形式的中医古籍文献(医古文)进行标注，是对其进行深入分析的前提，语义标注技术是实现该目的的方法之一。该文将中医古籍文献中包含的术语分为名称性术语以及叙述性术语。在分析叙述性术语特点的基础上，将对其语义标注转化为基于有监督学习的短句序列标注或分类问题，并提出了名词性术语规约操作以及基于知网的替换操作两种预处理方法。最后该文通过实验对比了三种学习模型及四种特征选择算法，并证明了问题转化的可行性以及两种预处理方法的有效性。

语义标注;叙述性术语;有监督学习;中医古籍文献

1 引言

语义标注技术作为自然语言处理领域中的基础技术，其结果广泛应用于知识发现等各种深层研究与应用中。同时，中医古籍文献(下称医古文)作为我国中医文化精华的载体，针对其分析和处理也引起了越来越多学者的关注。如果缺少医古文中的类别信息，对其研究只能建立在大量的人为干预或仅停留在简单的统计层面，语义标注(Semantic Annotation，SA)正是获取自由文本类别信息的方法之一。

SA是一个特殊的元数据生成和使用的模型，这一模型的目标是能够吸收新的信息，并扩展原有信息[1]。……