自动中文术语识别是自然语言处理研究和计算语言学领域中的重要内容,它的研究和实现具有重要的理论意义和实用价值.随着信息技术的飞速发展,大量新的术语不断涌现,如何识别它们变得越来越重要.完全靠人工来对大量文本中的术语进行识别非常困难,对自动中文术语识别的要求日益迫切.由于自动中文术语识别的研究结果可应用于术语的标准化、信息提取等诸多领域,它越来越受到人们的重视.同其他语言中的术语识别相比,中文术语识别研究有其特有的难点.该文从自动中文术语识别的统计方法入手,研究了基于规则的方法,讨论了决策树学习在自动中文术语识别研究中的应用.具体来讲,该文从以下几个方面进行了研究:(1)常用的统计模型在自动中文术语识别研究中的应用.该文对比了互信息、加权互信息等六种方法识别计算机领域术语的效果.(2)讨论了模式匹配算法在抽取候选术语时的应用.(3)分析了计算机领域内术语的组成特点,在此基础上研究了基于术语构成规则的识别方法.该方法首先对已有术语库中的术语进行分词和词性标注,将每个术语中各个词的词性符号按它们在该术语中出现的先后次序排列成一个词性序列.对术语库中各个术语的词性序列进行统计,按统计次数的大小进行排序,从而得到规则.(4)研究了决策树学习算法在自动中文术语识别研究中的应用,在考虑到前后相邻词等上下文信息的基础上研究了用决策树学习算法从样例中获取规则的方法.通过对样例的学习,得到一棵对应于规则析取式的决策树.应用这些规则及模式匹配算法,在训练语料中抽取候选术语.