于 娟,颜煜铃,简梓炜,张 晨

(福州大学 经济与管理学院,福州 350108)

1 引言

随着“一带一路”倡议的推进和全球化进程的加快,国家之间的经济交流日益频繁与深入,跨国组织的管理决策依据也不再限于单一语种的信息,而是希望基于来自全球各语种数据的全局视图.然而,相比图像、视频等其它非结构化数据,文本具有更为显著的语种差异−阅读不懂的语种的文本,人们能从中接受到的信息几乎是零.为此,有必要研究多语种文本的融合分析方法,以快速获取瞬息万变的国际情况信息,支持跨国组织的国际化战略管理决策.

西班牙语(以下简称西语)是联合国6 种官方语言之一,是全球19 个国家的官方语言,有四亿多人作为母语使用,是仅次于汉语的世界第二大母语语言[1].相关统计数据显示,我国与西语国家的双边经贸关系发展迅速,已成为包括西班牙、智利、秘鲁、墨西哥等大部分西语国家的主要贸易伙伴之一,未来有着广阔的合作前景[2,3].另一方面,我国尚缺乏西语专门人才,因此,如何对来自西语国家的海量文本进行高效的数据挖掘,已成为我国相关组织的一个重要的管理方法问题.

文本词语提取是文本挖掘的基础工作,是指自动获取待分析文本中出现的词语,包括单词和短语.西班牙文(以下简称西文)的单词之间用空格分开,易于实现自动提取;但文本挖掘所用的特征词大多是面向文本内容的多词短语,因此,西文的短语提……