王铁铮 白宇 张桂平

摘 要：随着社会产品的多样变化和大数据时代的发展需求，产品信息抽取有着重要的研究意义。针对抽取过程中过多的人工参与和抽取准确度不高的情况，提出一种基于统计和知识相结合的产品部件信息自动抽取方法。为确保抽取的相关性，采用词频剪枝过滤干扰词，使用双向长短期记忆模型将词进行分布式表示并计算语义相关度；为确保抽取的完整性，引入知网知识库，根据詞语首义原的分类来验证抽取结果是否为部件类概念词。实验在120万篇产品专利摘 要上进行词向量训练，分别对运输交通设备、通讯电子设备、仪器仪表和机械器材四类产品进行测试，证明了模型的可行性和算法的有效性。

关键词：信息抽取 双向长短期记忆模型 分布式表示 知网

中图分类号：V263 文献标识码：A 文章编号：1003-9082（2018）04-00-03

引言

我们随着科学技术的蓬勃发展、新产品的不断涌现，使得描述产品部件信息的词汇集合处于不断扩大并更新的状态，因此以往靠人工收集产品部件信息的方式显然已经满足不了人们的需求，利用计算机自动抽取这些信息已成为必然。信息抽取[1]是对文本中包含的信息进行结构化处理，再对其进行存储的过程，在这个信息爆炸的时代，信息抽取能够帮助我们完成对信息的快速整理和分析，提高工作效率。

产品部件信息抽取，是信息抽取的一种形式，其是将不同文本对于某一产品的部件信息集中起来，能从不同的角度反映产品的相关组成信息，对产品的部件进行抽取有助于全面地了解这些产品。……