Terminologiekstrahering

Informasjon om ekstrahering av terminologi

Introduksjon

Terminologi er summen av termene som identifiserer et spesifikt emne. Ekstrahering av terminologi er en prosess hvor terminologi ekstraheres fra en tekst.

Hensikten er å sammenligne frekvensen av ord i et gitt dokument med frekvensen deres i språket. Ord som opptrer svært ofte i et dokument, men sjeldent i språket, er sannsynligvis termer.

Teknologi

Den benytter seg både av Poisson-statistikker, maksimal sannsynlighetsberegning og omvendt dokumentfrekvens mellom frekvensen av ord i et gitt dokument og en generisk korpus av 100 millioner ord per språk. Den bruker en probabilistisk ordklassetagger for å vurdere sannsynligheten for at en bestemt sekvens kan være en term. Den skaper n-grammer av ord ved å minimere den relative entropien.

Hvorfor har vi utviklet dette?

Translated har utviklet denne teknologien for å hjelpe oversetterne med å være klar over et dokuments vanskeligheter og forenkle prosessen med å lage ordlister.

Vi bruker den også til å forbedre søkeresultater i tradisjonelle søkemotorer (f.eks. Google) ved å gi et bedre estimat av hvor relevant et nøkkelord er for et dokument.

Jeg vil ha dette!

Hvis du er interessert i denne teknologien, kan du lese mer om Translated labs og språkteknologitjenestene våre.