面向中文专利文献的有标记并列结构的统计分析Analyzingthe.PDF

面向中文专利文献的有标记并列结构的统计分析 石翠，周俏丽，张桂平 （沈阳航空航天大学知识工程中心，辽宁 沈阳 110136） 摘要：本文在中文专利语料的基础上，统计分析了中文专利文献中有标记并列结构的内部特 征和外部特征。内部特征主要考察了中文专利文献中有标记并列结构的并列标记、并列结构 内部分析和词性分布等。外部特征主要统计了可能的边界特征词，并分析了有标记并列结构 在中文专利文献中出现的外部环境。 关键词：有标记并列结构; 中文专利文献; 内部特征;外部特征 Analyzing the Linguistics Features of Coordination with Overt Conjunctions Based on Chinese Patent Literature Shi Cui, Zhou Qiaoli, Zhang Guiping (Knowledge Engineering Research Center, Shenyang Aerospace University, Shenyang, Liaoning 11013, china) Abstract: Based on the Chinese patent corpus, this paper counts and analyzes the internal and external features of Coordination with Overt Conjunctions (COC) in the Chinese patent literature. It mainly investigates the internal features including coordination tag, internal analysis of coordination structure and the distribution of Part-Of-Speech (POS). It’s mainly counted the candidate boundary markers by the external features, and analyzes the contextual information of the coordinate structures in the Chinese patent literature. Keywords: COC; Chinese patent literature; internal features; external features 1、引言 [1] 专利文献是一种非常重要的技术资料，它有较为固定的书写格式和表达方式 。与普通 文献相比，专利文献的文本格式比较固定，用语较为规范，除含有一些高频词和未登录词之 外，还存在着大量的并列结构。 [2] 并列结构 （coordinate structure ），也称联合结构，它由两个或更多的并列成分组成， 并列结构有时也称为联合短语。并列结构里的直接成分通常称为并列语（conjunct ），并列语 通常用连词、顿号或空的连接形式连接。 在中文专利文献里并列结构有下列的语言结构。 A. 该通信接口1215 BL 【发送和接收】BL 【电、电磁、或光】信号。 B. 加压包装可包括合适的推进剂如BL 【二氯二氟甲烷、三氯氟甲烷、二氯四氟乙烷、 二氧化碳或其它合适的气体】。 C. 任务Z100 接收 BL 【表征所述高频带部分的频谱包络的一组滤波器参数和表征所述 高频带部分的时间包络的一组增益因数】。 D. 进给装置可以包括BL 【用于控制材料从第二部分6 释放的缓冲系统或任何其它适 合的系统】。 E. 计算机802 通过BL 【BL 【有线和/或无线】通信网络接口或适配器856 】连接至局 域网852 。 A 为连续的两个并列结构；B 为包含多个并列语且并列语由多个并列标记连接的并列结 构；C 和D 为跨度较大的并列结构，但C 中并列结构是规则的，而