4.4.1 术语抽取方法
领域术语抽取包括两个阶段。第一阶段采用自举迭代方法，从种子领域术语中学习术语构成要素。第二阶段根据学习的领域术语构成要素来提取领域术语。
中文领域术语抽取方法的动机是根据计算机、军事和考古学领域词典的字符分布特点。设Ch1，Ch2和Ch3分别是计算机词典、军事词典和考古学词典的字符集合。统计表明，①在三个字符集合Ch1，Ch2和Ch3中，平均大约77%的字符由平均大约16%的不同字符构成；②平均88%的字符由平均大约28%的不同字符构成。另外，在这三个领域词典中，频率不低于2的字符构成大约91%的术语，频率不低于3的字符构成大约87%的术语。由此，推断领域绝大部分术语由相对稳定的小规模字符集合构成。
领域术语提取的基本思想如下，如图4.10所示。设St是种子领域术语集合，Tc是术语构成要素集合。在迭代开始前，Tc初始化为St，即Tc＝St。在第一阶段的第一次迭代过程中，根据术语构成要素集合Tc对集合St中的术语进行切分，从每个术语中学习新的术语构成要素。进一步，学习的新术语构成要素不断地添加到集合Tc中。在下一次迭代中，更新的集合Tc用于切分集合St中的术语，从每个术语中学习新的术语构成要素。最后，当集合Tc不再更新时，迭代结束。在第二阶段，基于集合Tc，采用最大向前匹配方法从自由文本中提取候选领域术语，并且通过领域频率进行术语验证或术语评估。领域术语提取的迭代自举算法如下：
算法：基于迭代自举的领域术语抽取
输入：种子领域术语集合St，领域语料Cd；
输出：术语构成成分和领域术语；
（1）构建领域术语构成成分集合Tc，设Tc＝St；
（2）读入种子领域术语集合St中任一术语term，基于集合Tc对术语term进行切分，学习包含在术语term中的术语构成成分，将学习的新术语构成成分添加到集合Nc中。
（3）如果集合St中存在领域术语，则转入步骤（2）；否则转入步骤（4）；
（4）如果Nc-Tc≠∅，则设领域术语构成成分集合Tc＝Tc∪Nc，并且转入步骤（2）；否则转入步骤（5）；
（5）读入中文语料Cd中句子，基于领域术语构成成分集合Tc提取候选领域术语，并且验证候选领域术语；
图4.10 基于自举迭代的领域术语抽取方法流程图
（6）如果语料Cd中存在句子，则转入步骤（5）；否则结束算法。