原之安，彭甫镕，谷 波，钱宇华

(1.山西大学 大数据科学与产业研究院 山西 太原 030006；2.山西大学 计算智能与中文信息处理教育部重点实验室 山西 太原 030006；3.山西大学 计算机与信息技术学院 山西 太原 030006)

0 引言

专利是指专有的权利和利益，囊括了全球95%以上的最新技术情报[1]。通常科技类文献可以通过关键字快速掌握文献信息。但在专利文献中，没有关键词这一重要属性，读者想要快速获取专利的科技信息，需要了解专利分类号的含义。我国采用国际专利分类号对专利进行标注，即便是专利工作者，也很难了解每一条分类号的分类信息，导致不能像读论文一样快速了解文献中的信息。针对这一问题，本文将抽取专利文献中富含科技信息的词，即科技实体，这将有利于读者通过科技实体快速了解专利文献中蕴含的科技信息、提高专利检索的精度、构建专利知识图谱、提升专利自动分类的效果、梳理专利发展趋势等。

科技实体具体指在专利文献中能够反映某种科技成就、经验与方法、科学理论等的实体。反映科技成就的实体有物联网、存储器等；反映经验与方法的实体有人工智能、汉字识别等；反映科学理论的实体有微分方程、波函数等。科技实体的定义包括但不限于以上描述。

在类似的科技实体抽取研究中，Jang等[2]通过句法分析处理专利数据，对描述一项技术的单词TechWord进行依赖关系分析并识别其词性，从名词短语和SAO(subject-action-object)结构中提取TechWord候选词，通过中心性指标将每个词之间的关系解释为一个网络，评估TechWord候选词的重要性，进而抽取出专利中的TechWord。……