非专利文献同义词库构建与应用研究-中国专利信息网.PDF

业务探讨 数据加工通讯 非专利文献同义词库构建与应用研究 专利检索咨询中心 颜平辉 孙亮 章洪流 摘要：本文分析了非专利文献数据加工中同义词库 构建的重要意义、现状和同义词库存在的问题，提出了一 套人机协作构建同义词库机制。通过精心设计的数据存 储结构和同义词连接算法，使计算机具备了学习能力，在 数据加工过程中智能化水平不断上升，自动构建同义词 库准确度越来越高，人工干预工作量日趋变小，以较小代 价获得了准确可用的同义词库，并将同义词库应用于数 据加工和文献检索中，结果证明其作用是显著的。 关键词：非专利文献 同义词库构建 应用研究 一、研究背景 供支持，在避免化学结构重复加工， 同义词加工是非专利文献数据加 减少数据重复录入，提高方剂、IPC 工中的一项重要内容，加工形成的同 加工效率方面均有重要作用。更为重 义词库为非专利文献数据加工本身提 要的是，在非专利文献检索时扩展关 16 Documentation Processing Review / 2012.06 第6期（总第50期） 数据加工通讯 业务探讨 键词，从而提高查全率和查准率，为 预工作量越来越小；并研究如何将 专利审查提供可靠支持。 同义词库应用于数据加工和文献检索 目前，在非专利数据加工中，加 中。 工工作是以单篇文献为基本加工对 象，提取对专利审查有益的信息，如 二、同义词库构建与维护 同义词、方剂、化学结构等信息进行 标引。就同义词加工而言，按照尊重 同义词库构建与维护主要依赖于 原文的加工原则，只对原文出现的同 数据存储结构，原始同义词表和同义 义词组进行标引，这样，单篇文献提 词基表。原始同义词表存储了标引过 取的同义词组通常是不全面的，在较 程中针对单篇文献提取的同义词组信 大数据范围考虑所加工的同义词时， 息；同义词基表存储了经过整合的同 就会出现实为一组的同义词被分割成 义词信息。在标引过程中，每标引一 多个不完整、有重复且不相关的词组。 组同义词，系统将其存储于原始同义 直接利用加工形成的同义词库进行扩 词表中，同时去检查该同义词在同义 展查询时不仅查询结果不全面，而且 词基表的情况，自动进行连接并作相 会出现查询结果不一致的现象。因此， 应处理，动态构建同义词基表。标引 对加工的同义词组进行整理、连接、 人员对自动构建的同义词库进行定期 重构和维护，形成一个相对完整和正 维护，进行正确性确认，系统将学习 确的同义词库是一项非常重要而有意 维护过程中标引人员用到的专业知 义的工作。 识，从而为此后连接同义词提供支