הרחבת קיצורים — רזולוציית ראשי תיבות וצורות מקוצרות
רזולוציית ראשי תיבות וצורות מקוצרות היא תהליך עיבוד שפה טבעית (NLP) הממפה כל צורה מקוצרת בטקסט להגדרה המלאה שלה, תוך שימוש ברמזים קונטקסטואליים מהטקסט הסובב. הדבר חשוב במיוחד במסמכים רפואיים, משפטיים וטכניים, שבהם אותו קיצור יכול לשאת משמעויות שונות לחלוטין בין תחומים שונים. האלגוריתם היסודי בתחום פורסם על ידי Schwartz ו-Hearst (2003) עבור ספרות ביו-רפואית, ומאז הורחב באמצעות גישות מבוססות רשתות נוירונים וטרנספורמרים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Schwartz, A.S. & Hearst, M.A. (2003). A Simple Algorithm for Identifying Abbreviation Definitions in Biomedical Text. Pacific Symposium on Biocomputing (PSB), 8, 451-462. link ↗
- Veyseh, A.P.B. et al. (2022). MACRONYM: A Large-Scale Dataset for Macroeconomic Acronym Understanding. Findings of NAACL 2022. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Abbreviation and Acronym Resolution. ScholarGate. https://scholargate.app/he/text-mining/abbreviation-expansion
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- חילוץ מידעכריית טקסט↔ compare
- זיהוי ישויות מוכרות (NER)כריית טקסט↔ compare
- נורמליזציית טקסטכריית טקסט↔ compare
- הבחנה סמנטית במילות הקשר (WSD)כריית טקסט↔ compare