曾　镇　吕学强　李　卓

(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　北京 100101)



一种面向专利摘要的领域术语抽取方法

曾镇吕学强李卓

(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北京 100101)

专利领域中术语抽取结果的好坏决定了本体构建的质量。提出一种自动生成过滤词典并结合词汇密集度等影响因子的术语抽取方法。首先在分词和词性标注的基础上，对文献匹配词性规则算法生成的模板得到候选长术语和单词型短术语集合，然后利用文档一致度生成的过滤词典过滤部分候选长术语集，最后针对长术语的构成特点，将词汇密集度、文档差比、文档一致度三个术语因子加权平均作为整个长术语的术语权重值，并按值高低排序。在8000篇专利摘要文献的基准语料上进行实验，随机选取五组实验数据，平均准确率达到86%。结果表明该方法在领域术语抽取方面是行之有效的。

领域术语本体构建过滤词典词汇密集度

0　引　言

专利文献作为技术信息的有效载体，涵盖了全球90%以上的最新技术情报[1]。由于70%～80%的发明创造都只能通过专利文献的形式发表，专利文献本身蕴含了巨大的信息价值。为了增强自身竞争力，越来越多的企业也开始把目光投向了专利文献，一方面通过专利申请来保障自己的发明成果，另一方面通过专利检索了解同行的最新技术进展情况，不断学习，使自己在激烈的市场竞争中保持不败之地。……