7.1　敘詞本體中的概念詞

7.1.1　概念詞的定義

知識(shí)中的概念是用詞語(yǔ)表示的，概念是沒有歧義的，它能夠唯一地、準(zhǔn)確地指向現(xiàn)實(shí)世界中的實(shí)體或?qū)ο?。概念獲取其實(shí)就是從詞匯到概念的映射過程，本質(zhì)上是能代表概念的詞匯的獲取，尤其是新詞語(yǔ)和未釋義詞的獲取。

同時(shí)，概念詞和術(shù)語(yǔ)、新詞語(yǔ)等是既有區(qū)別又有聯(lián)系的。術(shù)語(yǔ)是在特定的專業(yè)領(lǐng)域中使用的，是一種具有很強(qiáng)的領(lǐng)域特征的詞語(yǔ)，因而術(shù)語(yǔ)抽取的處理對(duì)象是大量的領(lǐng)域文本，而概念獲取并不限定某個(gè)具體的領(lǐng)域，所以概念獲取的處理對(duì)象是開放的文本語(yǔ)料;新詞語(yǔ)識(shí)別的目標(biāo)是那些沒有收錄在詞典中的新詞，包括專有名稱、復(fù)合詞、派生詞和數(shù)字型的復(fù)合詞，對(duì)詞典包含的已知詞并不十分關(guān)注。而概念詞既包括已知詞，也包括一部分諸如命名實(shí)體之類的未知詞，但不處理諸如時(shí)間、貨幣、數(shù)量等數(shù)字型的復(fù)合詞。

7.1.2　概念詞的模式特征

概念獲取從本質(zhì)上來說是能承載概念的詞匯的獲取，對(duì)于中文概念詞而言，由于漢語(yǔ)的特殊性，其獲取的困難在于:對(duì)于一些在語(yǔ)料庫(kù)中出現(xiàn)頻度低的概念詞，很難識(shí)別;由于要獲取的概念詞不是某個(gè)專業(yè)領(lǐng)域的，也不是屬于某個(gè)類型的新詞語(yǔ)(如地名等)，因此概念詞邊界很難確定;某些詞或短語(yǔ)本身具有多種含義，要在一定的上下文中才能判斷它所代表的含義。

因此，國(guó)內(nèi)外學(xué)者普遍認(rèn)為，為了更加準(zhǔn)確地獲取中文概念詞，我們要綜合利用概念詞的3個(gè)模式上的特征:

(1)上下文模式特征

利用上下文模式，在第一次句型匹配得到的候選串的基礎(chǔ)上，抽取里面含有的多個(gè)候選概念詞，或者剝離概念詞兩邊的附著成分。此外，候選串的上下文特征也可以用于概念詞驗(yàn)證。

(2)詞形-句法模式特征

利用概念的詞形-句法模式特征(概念詞構(gòu)成規(guī)則)，可以提取出概念詞并給出一定意義上的概念詞可信度。

(3)概念詞構(gòu)件統(tǒng)計(jì)特征

概念詞內(nèi)部存在著一些概念詞構(gòu)件，在大語(yǔ)料中它表現(xiàn)了一種比較好的統(tǒng)計(jì)特征，我們利用統(tǒng)計(jì)的方法獲取了這些類似新詞語(yǔ)的成分，然后利用詞典里已有的詞和這些概念詞構(gòu)件來進(jìn)行概念詞抽取。