于 娟，吴晓鹏，廖 晓，刘建国

(1. 福州大学经济与管理学院 福州 350108；2. 广东金融学院互联网金融与信息工程学院 广州 510521；3. 上海财经大学会计与财务研究院 上海 杨浦区 200433)

法语是联合国工作语言之一，是欧盟、北约、世贸等众多国际组织的官方语言及正式行政语言，是全球29 个国家的官方语言，是除英语之外最多国家使用的官方语言，其影响力仅次于英语[1-2]。法语的使用范围主要集中于欧洲、非洲、北美洲的一些国家和地区。随着“一带一路”的建设和全球化进程的加快，我国与欧洲、非洲国家的经济文化交流越来越广泛和深入，相关的新闻、政策文件、社交媒体文件等文本数据成为跨国组织管理决策的重要依据。因此，我国亟需有效的法语文本挖掘方法技术来实现海量法语文本高效的自动分析和及时的信息提取。

但目前，国内外针对法语文本挖掘方法的研究成果较少[3]。其中，法文词语提取是法语文本挖掘的基础和关键步骤[4]，是指自动获取法语文本中出现的所有词语的集合，包括法文单词原形和由多单词组成的短语。由于文本的关键词或特征词大多是短语而非单词，所以短语的完整提取是法文词语提取方法的关键。尽管法文词语提取方法已应用于法语文本信息检索、命名实体识别、情感分析等法语文本挖掘任务[5-7]，但均为早期的N-gram 词语提取方法[8-9]或基于形容词与名词组合的方法[10-11]。这些方法受限于规则的不完备性，不能为文本建模提供完备的词库，影响法语文本挖掘的效果和效率。……