论文部分内容阅读
专利文献详细记载着发明创造及其不断改进和完善的内容,汇集了发明创造的精华和技术资料。有效地利用专利信息可以帮助企业或国家了解行业竞争形势、科技发展速度等重要信息。 本文首先通过分析专利术语的特点制定了相应的语料标注规则并据此进行人工标注,而后采用条件随机场方法对标注后的数据进行训练,再利用训练好的模型识别专利文献中的术语,术语识别实验的准确率达到了85.9%,召回率达到了80.6%,比最大熵模型、隐马尔科夫模型取得更好的效果。其次,在分类实验中,先利用术语识别的结果,将摘要中的术语全部替换为“术语”两个字,再对文本进行分词、去停用词等处理,利用TF-IDF算法挑选特征词并计算权重,采用支持向量机对专利摘要中的主题句进行分类,识别出摘要的类型、组件、功效主题句,实验结果准确率达到94.9%,优于不结合术语识别的支持向量机分类、朴素贝叶斯分类等。根据分类的结果,针对不同类型的主题句进行专利信息的提取,提取的信息包含组件信息、领域信息、功效信息等。针对主题句类型的特点,采用不同的方法结术语识别的结果进行提取,主要技术包括句法分析、规则模板匹配。 本文采用图数据库存储语义化后的专利信息。首先,根据专利信息概念模型和专利使用的需求等构建了存储模型,根据存储模型的要求存储抽取出来的专利数据并建立索引,以便于查找修改。之后将图数据库与关系数据库进行了一系列查询和存储性能的对比。实验结果表明,在复杂关联数据的存储和查询上,图数据库具有一定的空间和时间优势。 最后,本文开发了专利信息自动语义化平台,将专利信息语义化技术和图储存技术结合起来,实现了专利信息的自动化处理和储存,并构建出用于专利分析的功效矩阵。