多策略融合专利术语自动抽取

《多策略融合专利术语自动抽取》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第2期计算机应用与软件Vol.32No．22015年2月ComputerApplicationsandSoftwareFeb．2015基于多策略融合的专利术语自动抽取周绍钧吕学强李卓都云程(北京信息科技大学网络文化与数字传播北京市重点实验室北京100101)摘要专利术语自动抽取是知识抽取与文本挖掘的关键环节。在构建专利文献停用词表以及提取特定规则的基础上，抽取候选专利术语;通过分析专利术语与其所在句子的关联关系、相邻专利术语之间的影响以及常识性词语对专利术语抽取的干扰，分别提出基于PageＲank思想

2、的STＲank权重计算方法、专利术语区别度计算方法以及知网义原信息降权方法，并融合上述方法对专利术语进行抽取。采用传感器领域的专利文献进行实验，在top-1400、top-1600级别上正确率为80．5%、79．7%，相对比CS+CC+CD方法分别提高了11．4%、9．5%。实验结果证明该多策略融合方法的有效性。关键词专利术语术语抽取PageＲank术语区别度义原信息中图分类号TP391．1文献标识码ADOI:10．3969/j．issn．1000-386x．2015．02．007PATENTTEＲMAUTO

3、-EXTＲACTIONBASEDONMULTI-STＲATEGYINTEGＲATIONZhouShaojunLüXueqiangLiZhuoDuYuncheng(BeijingKeyLaboratoryofInternetCultureandDigitalDisseminationＲesearch，BeijingInformationScienceandTechnologyUniversity，Beijing100101，China)AbstractPatenttermsauto-extractionplay

4、sanimportantroleinknowledgeextractionandtextmining．Inthispaperweextractcandidatepatenttermsonthebasisofconstructingthestop-wordsinventoryofpatentliteraturesandspecificrulesextraction．Throughanalysingtheassociatedrelationshipbetweenpatenttermsandthesentences

5、wheretheyare，theinfluencesbetweentheadjacentpatenttermsandtheinterferenceofgeneralwordsonpatenttermsextraction，weproposerespectivelythePageＲankidea-basedSTＲankweightcalculationalgorithm，thepatenttermsdistinctioncomputationtechniqueandtheweight-droppingmetho

6、dusingHownetsememeinformation，theabovemethodsarethenintegratedtoextractthepatentterms．Patentliteraturesofsensorfieldarechosenforexperiment，theprecisionsoftop-1400andtop-1600levelare80．5%and79．7%respectively，increasing11．4%and9．5%incontrasttotheresultofCS+CC

7、+CDmethod．Theexperimentalresultsprovetheeffectivenessofthismulti-strategyintegrationmethod．KeywordsPatenttermTermextractionPageＲankTermdistinctionSememeinformation［7］［8］方面的优点。刘豹等人以及赵延平等人基于条件随机场0引言的机器学习方法进行术语抽取，但其受标注语料的数据稀疏性［9］以及标注质量的影响。栗超提出了基于排序集成的自动术专利文献是当

8、前核心技术的载体，充分利用专利文献的核语识别方法，采用局部的Kemeny最优的方法处理术语识别问心技术对国家的经济、科技、民生的发展有着至关重要的作用。题，但是在实际系统中需要结合多个ATＲ算法，各个参数之间［10］作为专利文献中重要的组成部分，专利术语集中体现和承载了的调节存在较大的难度。陈宇等人通过建立专业的领域词［12］该学科领域的核心知识，专利术语的自动抽取对于科技信息传典并结合领域相关度进