□ 沙 鹤 □ 余军合 □ 邓慧君 □ 施培妤 □ 胡国建

宁波大学 机械工程与力学学院 浙江宁波 315211

1 研究背景

当前,专利数据量庞大,简单的关键词检索已经无法满足设计人员在短时间内匹配关联度较高的专利的需求。专利智能检索能够极大地缩短设计人员的查阅时间,提高工作效率。

随着大数据技术与信息科学处理技术的出现和发展,如何将数据处理技术与方法应用于专利语义网络,引起了学者的广泛关注,同时为专利智能检索提供了技术支持。

基于专利语义模型进行专利检索时,可以通过输入一个词、一句话或一段文字进行查询,而不必考虑文本中是否包含有关键词。构建高准确性的语义模型,是提高专利检索准确度的重要方式。语义模型的发展由基于词袋模型向基于向量模型跨越。杨宏章等[1]基于专利文本结构构建专利语义模型,提高了检索效率。Zhang Longhui等[2]提出一种基于领域内高平均值频率术语的专利语义模型,用于目标主题专利的查询。姜春涛[3]提出基于关键词和依存关系树的图模型,为专利智能分析提供语义支撑。王秀红等[4]针对领域专利知识库构建,提出由专利文本向量表示专利语义信息的方法。曹洋[5]基于文本排序算法提取文本中语义信息,构建拓扑图,提升了文本主题的语义准确性。刘斌等[6]采用神经网络提取专利和论文的特征,实现论文与专利之间的联系,并提出基于深度学习的专利语义模型。Wu Hengqin等[7]针对技术专利中领域专业技术难以识别的问题,提出应用深度学习的方法来自动识别目标专利。……