一种用于专利主题词抽取的模板自动生成方法

专利标 题 主要 有 简 单 语 句 和标 题 词 两 种 形
式， 对于简 单语 句 较 难 直 接应 用 。 而对 于 标题 词
从专 利 数据 库 中获 得包 含标 题 的摘 要 ３ ０ ０ ０ ０ 篇 。在进行 断 句分 词 等 预 处理 后 ， 成 标题 和包 形
形式 的专利 标题 不需 要进行 任何 处理 便可 以用来 在语 句 中定 位模板 槽 。 因此 使用 标题 词与语 句对 作为 训练语 料生 成 信 息 抽取 模 板 ， 板 生成 具 体 模
术方案信息抽取 的第一步 ， 是填 充信 息抽取结果模 板 的有 效依据 和填充子 之一。将信 息抽取技 术应用于 中文专利摘要文本 ， 在充分 分析 了专利摘要文本和专利标题特点 的基础上 ， 采用无指 导
的方法构建信息抽取模板 ， 进而完成专利 主题词的抽取 。实验表明 ， 该方法 获得 了较好 的抽取效
“ ” 代替。特征词是在包含 主题词 的语句 中经
常 出现和最 能代 表 语 句 特 点信 息 的词 汇 ， 从 大 是 量 的语 句 中统计并 筛 选获得 的。考察 以下 例子 ：
“
一
作者简介 ： 王裴岩 （９ ３一 ， 辽 宁沈 阳人 ， １８ ） 男， 在读硕士 ， 主要 研究 方向 ： 人工 智 能与 自然语 言处 理 ， Ｅ—ｍａ： ３ ２ Ｙ ９ １３ ｉｌＷ８ Ｐ ７ ０ ＠ ６ ．
种 改进 的新 型衬衫 ” 的 Ｔ・ Ｉ
系统 自 动 生 成 如 下 模 板 ： 一 种 “
第 ３期
王裴岩等 ： 一种用 于专利 主题词抽取 的模板 自动生成方法
４ ７
ＴＬ Ｅ”
１ ３ 基 于反 向模 糊 匹配 的模 板槽 定位 方 法 ．
２ 实验及结果分析
２ １ 实验 语料 及评 测方法 ．
步 。一方面 ， 解决使用 词袋 （ ａ ｏ — ｒｓ模 Ｂ ｇ— ｆ Ｗｏｄ）
型表示专利文本信 息时 ， 主要描述对象存 在歧 义 的 问题 Ｌ 以及专 利标 题 对 主要 描述 对象 描 述不 准 ｌ 确 和不全面的问题 。另一 方面 ， 解决 目前 关系 抽取 任务仅 关 注 出 现 在 同 一 语 句 中 的关 键 词 间 的 关 系 Ｊ较难将 核心描述对 象与其 他关键 词关联 在 ，
同时 进 行 描 述 的现 象 。 因此 提 出单 一 主 题 词假 设 。
技术关键词 。工 作 是专利 技 术方 案信 息抽 取 的第
一
单一主题词假设 ： 专利说明书及 专利摘要 的主要描述对象有 且仅有一个 ， 即在包含主题词的语句中有且仅有一个主题词 。 １２ 模板自动构建方法的依据及模 板形式描述 ．
果。
关键词 ： 中文专利摘要文本 ； 专利 主题 词 ； 无指导 ； 模板
中图 分 类 号 ：Ｐ ９ ． Ｔ ３１１ 文 献标 识 码 ： Ａ
பைடு நூலகம்
将 信息抽取技术应用 于 中文专利摘要 文本 ， 抽
取 专利主题词 ， 即用 以表述发 明或实 用新 型名称 的
的标题称为标题词。专 利文献所介 绍的发 明创 造往往是 一种产 品、 装置 、 设备或是一种 方法、 工艺 ， 很少 会出现对 多个发 明创造
一
发 明创 造 的名称 会在 文本 开头首 先 阐述 。因
此将 分句后 的首 句 提 取 出 ， 中抽 取 主题 词 。要 从 抽取 的主题 词应 与专 利 标 题所 包 含 的信 息一 致 。
如 图 １所示 ：
起 的问题 。再者 ， 在识 别 出 核心 描述 对 象之 后 ，
便可 以利用其他 关键词与该词 的潜在关 系 ， 仅使 用 语义角色便可判 断其他词与该词 的关 系 ， 减少关 键
词关系判断 中参 与判 断 的关 键 词对 的数量 。 因此
本文 的工作是 填充 信 息抽取 结果 模板 的有效 依 据
和填充子之一 。
１ 模 板 自动 生成 方法
１ １ 概 念定 义 ．
图 １ 标 题 与 文 本 对 实 例
利用 这一 现象 使用专 利标 题 与包 含 主题词 信 息 的语句 作为 模板 构 建 语 料 ， 专 利标 题 在 包 含 用
主 题词信 息 的语 句 中定 位 模 板 的槽 ， 通 过 选 取 并 特征 词 和适 当的泛化 ， 构建 主题 词抽 取模板 。 该模 板是对 句 子 中被抽 取 部 分 、 征 词 以及 特
为表 述方 便 ， 涉及 的概 念在此 作如 下定 义 ： 将
专利 主题 词 ： 利 主题 词是 专 利摘 要 的主 要 专
００ ３ １ 第２７ 年 ６ ２ 卷 第月 期
Ｊｕ ａ ｏ ｈｎ沈 阳航 空ｕｅｏ 院ｏａ ｔａ Ｅ ｇｎｅ ｎ ｏ ｒｌ ｆ ｅ ｙｎ ｎｔ 工 业ｆ ｅ学 报 ｌ ｎｉｅｒ ｇ ｎ Ｓ ａ ｇ ｓｔｔ 学 ｒｎｕｉ Ｉ ｉ Ａ ｃ ｉ
Ｊｎ２ ｌ ｕ ．０ ０
Ｖ０ ． ７ Ｎｏ ３ １２ ．
描 述对象 ， 是用 以表 述 发 明或 实 用 新 型名 称 的技
术关 键词 。
标题 词 ： 利标题 主要 可分 为两 种形式 ： 单 专 简 语句 和单一 技术关 键 词 。将 单一 技术 关键 词类 型
收稿 日期 ：０ ０—０ ２ ２ １ ４～ ６
它们 之 间 次 序 的抽 象 。句 子 中 的被 抽 取 部 分 由 “ ＩＬ ” ＴＴ Ｅ 节点 代 替 ， 为 模 板 的 槽 ； 征 词 保 留 ； 作 特 被 抽 取 部 分 与 特 征 词 之 间 的 字 符 串 用 通 配 符
文章编号 ：０ ７—１８ （０ ０ ０ ０４ ０ １０ ３ ５ ２ １ ） ３— ０ ６— ４
一
种 用 于专 利 主题 词抽 取 的模 板 自动 生成 方 法
王裴 岩 张桂 平 蔡 东风 白 宇 叶 娜
（ 阳航空航天大学 知识工程研究中心 ， 宁 沈阳 沈 辽 １０ ３ ） １１６
摘
要： 专利主题词是用以表述发明或实用新 型名称 的技术关键词 ， 利主题词 的抽 取是专利 技 专