（1）Head词汇
给定词汇组合，该特征试图找出词汇组合中的关键词汇，例如“an approach”的Head词汇是“approach”，“an”是作为“approach”的修饰成分出现。为了实现Head词汇识别，进行以下操作：
①将词汇组合中的词汇加入到一个有向网络中，根据词汇之间的依存关系构建相应的有向边，例如在“an approach”中，存在“approach”指向“an”的一个依存关系，其中“approach”是governer词汇[2]，则相应地构建一个从“approach”指向“an”的边。
②遍历网络中的每一个节点，如果发现节点有入链而没有出链，则将节点删除。
③重复操作②，直到网络中剩下的节点都是孤立节点。
④如果网络中只存在一个节点，返回节点对应的词汇，否则返回“<MULI＿HEAD>”。
（2）词汇到Root的依存路径
本书使用的依存路径是从目标术语到句子Root词汇的最短路径。
句法解析器能够针对句子生成句法结构和依存关系结构，前者是树形的句法关系表示，而后者是词元间依存关系的表示。由于依存关系发生于词汇之间，对于词汇组合，本书使用词汇组合的Head词到Root词的路径作为特征。(www.xing528.com)
给定句子S，句法解析器能够解析得到一个确定的句法结构，依存路径提取的结果类似于（word1，Category1：Relation：Category2，word2）＋，*＋表示多个*的重复。word是词汇的文本，categroy是词汇的词性，Relation表示word1所指节点到word2所指节点之间的依存关系，可能的依存关系如nsubj、det、dobj、nn等。
对于目标候选项，本书定义依存路径为Root动词到候选项Head词汇的最短路径。注意，词汇组合如果包含多个Head词汇，则不计算依存路径，而直接返回“<NOPATH>”。
（3）仅记录动词节点的词汇-Root依存路径
该路径同上一个路径的生成方法一致，但仅仅记录动词，其他词汇节点以词性代替。
（4）词汇直接关联的依存关系特征
该特征记录词汇直接关联的依存关系和依存关系连接的词汇。
给定词汇或者词汇组合的Head词汇，记为word，word的特征生成策略为：对与word存在关联的每个依存关系tr，因tr关联的词汇记为target，如果word在tr关系中是governer词汇，则返回“tr：target”，如果target为governer词汇，返回“tr-r：target”。因此，如果word存在n个关联关系，则会形成n个特征。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
