面向中文專利文獻(xiàn)的相似例句檢索算法的研究.pdf

1、句子檢索在自然語(yǔ)言處理領(lǐng)域有著廣泛的應(yīng)用，一直以來都為人們所關(guān)注。在問答系統(tǒng)、自動(dòng)文摘、EBMT、翻譯記憶、新信息檢測(cè)中，句子檢索模塊的檢索質(zhì)量會(huì)直接影響到上述系統(tǒng)的性能。然而，如何去衡量?jī)蓚€(gè)句子相似沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，從不同領(lǐng)域出發(fā)，看待句子相似度的角度也就不同，這就導(dǎo)致了度量標(biāo)準(zhǔn)的不同?？傊侥壳盀橹?，不存在統(tǒng)一的度量標(biāo)準(zhǔn)；也不可能存在這樣的標(biāo)準(zhǔn)，因?yàn)榫唧w的度量準(zhǔn)則是與具體的應(yīng)用相關(guān)的。例如：在英漢雙語(yǔ)例句檢索系統(tǒng)中，兩個(gè)句子語(yǔ)法

2、結(jié)構(gòu)相似，就可以認(rèn)為這兩個(gè)句子是相似的；而在基于FAQ的自動(dòng)問答中，則需要兩個(gè)句子意思基本相同。
　　同時(shí)，隨著我國(guó)對(duì)知識(shí)產(chǎn)權(quán)認(rèn)識(shí)的不斷提高以及國(guó)際交流的迫切需要，傳統(tǒng)的由專利翻譯人員進(jìn)行手工翻譯的方式已經(jīng)不能滿足目前急劇增長(zhǎng)的專利文獻(xiàn)翻譯需求，這在一定程度上阻礙了我國(guó)與國(guó)際專利技術(shù)的推廣和交流。近年來，隨著機(jī)器翻譯技術(shù)的飛速發(fā)展，使得機(jī)器自動(dòng)翻譯和人機(jī)協(xié)同翻譯成為了解決這一問題的有效途徑。
　　本文主要任務(wù)是：針對(duì)專利文獻(xiàn)

3、的自身特點(diǎn)，為人機(jī)協(xié)同翻譯系統(tǒng)設(shè)計(jì)一種句子檢索算法，以提高人機(jī)協(xié)同翻譯系統(tǒng)的性能和效率。本文針對(duì)專利文獻(xiàn)專業(yè)術(shù)語(yǔ)相對(duì)較多、形式規(guī)范、語(yǔ)言嚴(yán)謹(jǐn)、句子長(zhǎng)度較長(zhǎng)的特點(diǎn)，提出了一種基于偽LCS的句子相似度計(jì)算方法。該方法通過對(duì)傳統(tǒng)的最長(zhǎng)公共子串算法(LCS)進(jìn)行改進(jìn)，并加入了詞匯語(yǔ)義信息，使其具有模糊對(duì)齊的能力。同時(shí)，由于專利中術(shù)語(yǔ)較多，本文提出了一種術(shù)語(yǔ)相似度計(jì)算方法，并把它加入到了句子的相似度計(jì)算中；為將語(yǔ)義相似與結(jié)構(gòu)相似進(jìn)行一定的結(jié)合，在