基于潛在語義分析的專利文獻(xiàn)分析與搜索技術(shù)的研究.pdf

1、專利文獻(xiàn)包含重要的研究成果，內(nèi)容廣泛新穎，技術(shù)細(xì)節(jié)描述詳細(xì)，是世界上最新技術(shù)信息的重要來源。專利文獻(xiàn)的有效分析對提高企業(yè)市場競爭力至關(guān)重要。
　　 本文在分析國內(nèi)外現(xiàn)有專利分析技術(shù)的基礎(chǔ)上，研究如何使用文本挖掘技術(shù)對中文專利文獻(xiàn)進(jìn)行分析，采用潛在語義分析和SOM網(wǎng)絡(luò)相結(jié)合的方法對專利進(jìn)行聚類，并開發(fā)相應(yīng)的專利搜索軟件平臺。
　　 目前還沒有公開的中文專利文本語料庫，本文介紹了從專利網(wǎng)站上自動下載專利文獻(xiàn)全文的程序設(shè)計流程

2、，并通過文本預(yù)處理建立語料庫。專利文獻(xiàn)晦澀難懂，其中還參雜了不少專業(yè)詞匯術(shù)語，由于專利文獻(xiàn)的特殊性，傳統(tǒng)的中文分詞技術(shù)作用于專利文獻(xiàn)結(jié)果一般，因此本文設(shè)計了新的算法對專利新詞進(jìn)行識別，完善補(bǔ)充分詞結(jié)果。
　　 文本聚類有助于專利分析人員更好地分析專利文獻(xiàn)，傳統(tǒng)的聚類方法只能應(yīng)用維數(shù)較低的對象，面對維數(shù)高達(dá)上千維的專利文本，聚類方法無法獲得良好的結(jié)果。文本采用了潛在語義分析的方法對專利文本進(jìn)行降維，可以達(dá)到在維數(shù)降低的同時也保證了

3、原本的語義空間結(jié)構(gòu)的效果。最后對專利文本使用SOM網(wǎng)絡(luò)進(jìn)行聚類，實驗結(jié)果表明降維后的文本在聚類時間上的開銷小于未降維的文本，并且聚類結(jié)果良好。
　　 常規(guī)的專利檢索只能針對專利摘要進(jìn)行關(guān)鍵字檢索而無法對專利全文進(jìn)行檢索，摘要字?jǐn)?shù)有限并不能完全代替全文的內(nèi)容。本文基于Lucene開發(fā)了專利全文檢索系統(tǒng)，采用倒排索引結(jié)構(gòu)對專利全文進(jìn)行索引，加快了檢索速度。根據(jù)檢索詞查詢相關(guān)專利，系統(tǒng)能夠按照查詢內(nèi)容與檢索結(jié)果文檔的相關(guān)度對結(jié)果進(jìn)行排