Using derivational transformations of terminology units for automatic term search: A case study of medical terminology

Abstract

Выпускная квалификационная работа созданию программы по автоматическому извлечению терминологии из медицинских текстов на основе деривационных преобразований терминоэлементов. Работа состоит из введения, трёх глав, заключения, списка литературы и двух приложений. Объём работы составляет 76 станиц. Автоматическое извлечение терминологии – подзадача автоматического извлечения информации – область, развивающаяся в данный момент очень активно. Автоматическое извлечение терминологии служит для создания словарей, тезаурусов, онтологий, помогает в разработке логико-понятийной системы конкретной области знания и унификации терминологии, используется при создании систем автоматического перевода, при создании баз знаний. Актуальность данной работы обусловлена необходимостью создания процедуры автоматического извлечения терминологии из медицинских текстов на русском языке. Такая процедура даст возможность полуавтоматического составления словарей медицинских терминов, заполнения баз данных, улучшит качество поиска по текстам с медицинской тематикой, что, в свою очередь, позволит создать приложения для автоматического заполнения и ведения медицинских документов. Программа предназначена для выделения однословных узко специальных терминов из медицинских текстов. Алгоритм по автоматическому выделению терминов строится на предположении, что в текстах можно выделить целые деривационные ряды терминов, на основе которых и строится работа нашей программы. В ходе работы был выделен ряд опорных основ и аффиксов, на основе которых и производилось дальнейшее выделение терминов. Материалом для исследования корпус медицинских текстов по офтальмологии. Корпус был автоматически размечен морфологическим анализатором, после чего был разработан сам алгоритм выделения терминологии и реализована программа извлечения терминологии.

The main issue of the thesis was to create a program for automatic terms extraction from medical texts on the basis of derivation term-elements transformations. The master thesis consists of introduction, three chapters, conclusion, bibliography and two appendices. The volume of the work is 76 pages. Automatic extraction of terminology is a subtask of automatic information extraction - an area which is currently developing very actively. Automatic extraction of terminology is used to create dictionaries, thesauri, ontologies, assists in the development of logical and conceptual system of a particular field of knowledge and terminology unification used in the creation of automatic translation systems and knowledge bases. The relevance of this work is expressed in the need to create procedures for the automatic terms extraction from medical texts for Russian language. Such a procedure would allow semiautomatic compiling dictionaries of medical terms, fill in the databases, improve the quality of search in the medical texts, which, in turn, will assist in creation an application for automatic filling and maintaining medical documentation. The research wasmade on the corpora of medical texts in ophthalmology. The ccorpora was automatically tagged with the parser. The program is designed to extract one-word technical terms from medical texts. The algorithm for the automatic terms extractionis based on the assumption that derivation rows of terms may be extracted from the text.