面向專利文獻的語義角色標注及其應用研究.pdf

1、信息是人類社會生活的基本要素之一，其中科技信息是推動人類社會發(fā)展的關鍵因素。專利文獻作為科技信息最有效的載體，涵蓋了全球90％以上的最新科技信息，在國家科技戰(zhàn)略制定中發(fā)揮了重要作用。對專利信息進行深度挖掘和有效分析，可以選擇技術開發(fā)的重點和方向，進行專利戰(zhàn)略布局，制定技術創(chuàng)新策略，輔助政府和企業(yè)縮短研發(fā)時間，節(jié)省研發(fā)經(jīng)費，監(jiān)控世界技術發(fā)展狀況。
　　目前，專利挖掘方法可分為專利元數(shù)據(jù)計量分析和專利文本挖掘兩種。前者在方法上比較成熟

2、，但是計量分析有局限性，其深入挖掘文本信息的能力較差。后者則是專利分析中的研究熱點和難點，其深層分析和挖掘離不開專利文本的語義分析?，F(xiàn)有的專利文本分析所使用的語義分析大都建立在句法分析基礎上，多為規(guī)則方法或者模式匹配方法，語義分析的深度遠遠不足以支撐專利信息的有效分析。文章將自然語言處理中的淺層語義分析技術——自動語義角色標注引入專利文本分析中，在提高語義角色標注表現(xiàn)的基礎上，利用語義角色標注完成專利文本的自動化語義分析，實現(xiàn)目前專利文

3、本挖掘不能達到的深度，同時節(jié)省大量人工勞動。
　　本研究包含如下兩個方面的內容:
　　其一，語義角色標注的基礎理論。鑒于目前缺少面向專利文獻的語義角色標注樹庫的現(xiàn)狀，本研究構建了專利專屬領域的語義角色標注樹庫，該樹庫的構建有利于后續(xù)的語義角色標注系統(tǒng)構建和評價;專利文本中長句居多，長句多為復雜的嵌套結構，常常帶有從句，如名詞性從句、形容詞性從句和副詞從句。本研究利用句法分析結果設計規(guī)則方法將專利長句劃分為簡化句，減少了句法分

4、析錯誤，避免了句法分析錯誤向語義角色標注傳播;在上述工作的基礎上，為了更為有效地利用大量的專利文本以及專利的上下文語境，本研究引入詞向量的表示方法進行細致的特征泛化工作，找到了多個能提高語義角色標注表現(xiàn)的新特征，實驗證明加入了新特征的語義角色標注系統(tǒng)表現(xiàn)更好更穩(wěn)定。
　　其二，語義角色標注在專利文本分析上的應用。為了從已標注語義角色的專利文本中抽取出有用的專利知識，需要甄別不同謂詞的語義角色信息，既要保證準確率又要減少噪音，本研究