领域术语抽取
从一批同领域的语料里抽出反复出现、组合固定的多词术语，例如支持向量机、违约责任条款。先按词性序列模板（名词+名词、形容词+名词等，可自定义）取出 2 到 8 个词的候选，再算两项得分：C-value（成词稳固程度，会扣掉那些只作为更长术语一部分出现的候选，比如总跟着机器学习算法出现的机器学习）和 NC-value（在 C-value 之上加入上下文用词的权重）。两项始终同时计算，按哪一项排序由你选。
每条术语附出现次数、词数、命中的词性模板、是否嵌在更长术语里及其上位词，并带原文中的用例供核对；同时产出一份可直接当分词词典用的术语表。最短与最长词数、最低出现次数、输出条数都可设定，也可加载领域词表与排除词表，或把同一术语的不同写法合并后再统计。
支持一篇或多篇 txt / csv。建议输入同一领域的语料，规模越大越能筛出真术语。
加载文件上传组件中...
已识别 0 / 500 个词
C-value（多字术语的成词得分）：log₂(|a|) × (f(a) − 嵌套惩罚)；NC-value（结合上下文的术语得分）：0.8·C + 0.2·上下文加成。 长语料 + 想要更稳定术语 → 用 NC-value；快速过一遍 → 用 C-value。
基于 jieba（中文分词工具）粗颗粒词性：n=名词、a=形容词、v=动词、d=副词。 英文走启发式词性，模板基本不影响结果。
2
5
3 次
多词术语长度通常 2 ~ 5 词；最低出现次数推荐 ≥ 3 抗噪，长语料可提到 5 ~ 10。
200 个
候选术语首尾不能是停用词；上方通用停用词设置会一起生效。
每 10,000 个字符 2 点
领域术语抽取常见问题
- 领域术语抽取适合处理什么材料？
- 中文文本材料，例如新闻报道、政策文件、访谈记录、评论和文学作品，上传文本文件后即可分析。
- 领域术语抽取会得到什么结果？
- 从同领域语料里抽出反复出现的多词术语，按 C-value、NC-value 打分并附出现次数与原文用例。
- 领域术语抽取怎么用？
- 上传材料、确认设置、点提交，任务完成后在工作台打开报告。不用安装软件，也不用写代码。详细步骤见教程《领域术语抽取完整教程：从词性模板与候选枚举，到 C-value 的嵌套扣减和 NC-value 的上下文加权》。
- 领域术语抽取怎么计费？
- 按文字量计费，每满 10000 字 2 点，不足 10000 字按 2 点算。提交前页面会显示本次消耗。
- 结果可以写进论文吗？
- 可以。报告里的数字和图表附有统计口径与原文出处，末尾有方法说明，涉及统计模型的报告还列出参考文献，可以作为论文附件或方法依据。
在论文里引用领域术语抽取： 查看引用格式