运用图示法自动提取中文专利文本的语义信息.pdfVIP

第５９卷 第２１期　２０１５年１１月 运用图示法自动提取中文专利文本的语义信息 ■ 姜春涛 南京大学计算机科学与技术系　 南京２１００２３　江苏省专利信息服务中心　南京２１０００８ 摘要：［目的／意义］提出利用图结构的表示法自动挖掘中文专利文本的语义信息，以为基于文本内容的专 利智能分析提供语义支持。［方法／过程］设计两种运用图结构的模型： 基于关键词的文本图模型； 基于依 ① ② 存关系树的文本图模型。第一种图模型通过计算关键词之间的相似性关系来定义；第二种图模型则由句中所 提取的语法关系来定义。在案例研究中，借助频繁子图挖掘算法，对所建图模型进行子图挖掘，并构建以子图 为特征的文本分类器，用来检测所建图模型的表达性和有效性。［结果／结论］将所建的基于图模型的文本分类 器应用于４个不同技术领域的专利文本数据集，并与经典文本分类器的测试结果相比较而知：前者在使用明显 较少的特征数的基础上，分类性能较后者提升２．１％－１０．５％。由此而推断，使用图结构的表达法并结合图挖 掘技术从专利文本中所提取的语义信息是有效的，有助于进一步的专利文本分析。 关键词：图示法　专利信息提取　频繁子图挖掘　专利分类 分类号：ＴＰ３９１ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１５．２１．０１７ １　引言 要更加丰富而全面。为了准确地提取有关中文专利发 明内容的语义信息，同时又能降低提取过程的计算复 　　近１０年来，专利文本自动处理技术被广泛地用于 杂性，本文提出针对中文专利说明书的发明内容部分 ［１］ 专利信息应用的各个层面，包括专利信息检索 、专利 的文本，利用图结构的表示法（ｇｒａｐｈｒｅｐｒｅｓｅｎｔａｔｉｏｎ，简 ［２］ ［３］ 分类 和专利引用分析 等。专利文档的平均长度要 ［４］ 称图示法）来自动提取中文专利发明内容的语义信息， 比新闻长２４倍 ，这使得人工进行专利信息的提取成 而所提取的语义信息则由图来表示。这样在图表示的 为一项耗时又耗力的任务。传统的专利信息提取方 ［５－６］ 基础之上，大量的图处理技术（如ｇｒａｐｈｍａｔｃｈｉｎｇ、ｇｒａｐｈ 法 是通过使用模式匹配或模板来实现的，并且集 ｍｉｎｉｎｇ）就可以被应用于专利文本的自动处理，如专利 中于利用专利文档中的权利要求书或说明书摘要部分 ［９］ ［１０］ ［７－８］ 摘要 、专利比对分析 等。与经典的专利文本表示 的文本，有少数学者 从专利说明书的背景技术和 ［１１］ 具体实施方式部分的文本中进行引用文献自动提取的 法 相比，本文所提出的图示法面向中文专利文本， 研究。然而权利要求书包含大量冗长而复杂的句子和 不仅利用了词语频率，而且还充分考虑到文本中所隐 技术领域术语，专利说明书除了文字描述更长，还包括 含的句子结构、语言以及语义信息。在应用图示法的 图、表、公式、符号等各式各样的信息，而人工撰写的说 背景下，本文提出两种不同的图模型：基于关键词的文 明书摘要的质量往往不尽如人意，这些特性以及专利