专利文献中关键词抽取方法的改进.PDF

第33卷摇 第12期 情摇 报摇 杂摇 志 Vol.33摇 No.12 2014年12月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 JOURNAL OF INTELLIGENCE摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Dec. 摇 2014 专利文献中关键词抽取方法的改进* 1 2 1,2 2 刘摇 峰摇 吴瑞红摇 徐摇 川 摇 吕学强 (1 . 公安部第一研究所摇 北京摇 100048; 2.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摇 北京摇 100101) 摘摇 要摇 专利关键词是对专利文献的高度概括,正确提取专利文献中的关键词对于专利文献的分类、标引、聚类等 具有重要意义。 结合专利文献的特点,在目前已有方法的基础上,提出了专利文献中领域公共词提取方法、词素加 权方法以及并列结构惩罚的方法,将其应用到专利文献关键词抽取中。 在过滤公共词的基础上,综合运用词在文献 中出现的位置、词频、词素和并列结构计算词对文献主题的影响度,抽取专利文献中的关键词。 实验结果表明,在抽 取关键词个数为5-9 个时,所提方法优于局部加权TF-IDF方法,验证了所提方法的有效性。 关键词摇 专利文献摇 专利关键词摇 关键词抽取摇 公共词 中图分类号摇 TP391.1摇 摇 摇 摇 摇 摇 摇 文献标识码摇 A摇 摇 摇 摇 摇 摇 文章编号1002-1965(2014)12-0036-05 DOI摇 10.3969/j.issn.1002-1965.2014.12.008 Keyword Extraction of Patent Document:An Improved Approach 1 2 1,2 2 Liu Feng 摇 Wu Ruihong 摇 Xu Chuan 摇 Lyu Xueqiang (1.The First Research Institute of the Ministry of Public Security of P.R.C,Beijing摇 100048; 2. Beijing Key Laboratory of Internet Culture and Digital Dissemination Research Beijing Information Science and Technology University,Beijing摇 100101) Abstract摇 Patent keywordsarethehigh-levelsummaryofthepatentdocument,correctlyextractthekeywordsinthepatentdocumenthas important implicationsfor patent document classification,indexing,clustering,etc. In this paper,a common word extraction algorithm hasbeen proposed. Based on removing common words,the special position of the comprehensive literature weighted,the lexical units weighted and the penalty function of parallel structure are used to extract the keywordsin the patent literature. Experimental results show