基于GATE的中文专利摘要的抽取.pdfVIP

一偷料黼磕谳云 基于GATE的 中文专利摘要的抽取米 口姜彩红乔晓东朱礼军桂婕张运良／中国科学技术信息研究所北京100038 摘要：专利摘要中含有重要的内容，文章通过对“新能源汽车”中文专利摘要的阅读和分析，提出了一 种专利摘要内容判别原则。并通过对国外开源抽取工具GATE和中科院分词工具ICTCLAS的学习和改进，实现了 对中文专利摘要的批量抽取，为专利知识库的自动构建准备了充分的语料基础。该文为《数字图书馆论坛》 2008年第11期本期话题“科技创新中的专利应用研究”的文章之一。 关键词：中文专利摘要，GATE，信息抽取，数字图书馆 DOI：l0．5772／J．issn．1675-2286．2008．11．006 1中文专利摘要抽取 1．2专利摘要抽取 1．1专利摘要简介 信息抽取(Information 专利信息是一种集工业产权情报、技术情报、 术是指从文本中抽取用户感兴趣的事件、实体和关 商业与经济情报于一体的情报源，是一个博大精 系，被抽取出来的信息以结构化的形式进行描述， 深的应用技术的知识宝库【lJ。通常，在专利数据库 然后存储在数据库中，为用户进一步使用【2J。例 中，一项专利信息所含的数据特征项主要有：主 如，从新闻报道中抽取出恐怖事件的详细情况：时 分类号、分类号、公开公告号、公开公告日、申请 间、地点、作案者、受害者、袭击目标、使用的武 (专利)号、申请日、主申请人地址、国省代码、 器等；从经济新闻中抽取出症状、诊断记录、检验 申请(专利权)人、发明(设计)人、专利代理机 结果、处方等或者直接提取文章中某句话或者某段 构、代理人、专利名称、摘要等。本文将摘要称为 话的信息等。 专利内部信息，将其余项称为专利外部信息。专利 专利摘要抽取属于信息抽取技术，它是指从专 外部信息比较直观简明，而专利摘要含有的信息量 利摘要文本中抽取出用户较为感兴趣的专利的主要 则比较大，通常不能--I]I曼将其内容全部捕获。 技术要点和主要效果，并在此基础上自动构建专利 专利法26条第二款规定：专利摘要应当简要说 知识库，以便用户能够在较短时间内就能够对某项 明专利的技术要点和主要效果。因此，通过专利摘 专利信息有比较宏观全面地掌握。 要可以大体看出专利的主要技术要点和效果，专利 本文在进行专利摘要抽取中用到的工具主 摘要是记载和传递各类科技成果的信息载体。 要有文本工程通用框架GATE、中科院分词软件 但是，面对海量的专利文献，仅仅阅读摘要信 息，也要耗费大量的时间和力气。因此，如何将专 利摘要的主要内容简单直观的呈现给用户，方便用 车”方面的860篇中文专利摘要的句式特点和表达方 户了解整篇专利信息，是优化专利服务的一个关键 式的分析，收集了大量的相关词表，并撰写了相应 性问题。而专利摘要抽取正是解决这个问题的方法 的抽取规则，使其能够较好的抽取出上述信息点， 之一。 为自动构建专利知识库做好准备。 ‘车文系。十一五”国家科拄支撑计划。知识组织系统的纂成爰服务体系研究与实现。(2006BAH03803)和中国科学技术信息研究所t点工作项目。汉语科拄词系统t设与应用 成果之一． hRp：||www．dlf．net，cn 2008年第11期(总第54期) 万方数据 翁料戮i；|；耐云一 2文本通用I=程框架GATE 器、N元模型和语音识别等。这