基于词向量的专利自动扩展查询研究

摘要：

专利检索与普通的文本检索有着极大的不同,专利文本包括权利声明、摘要、全文等不同部分,自然不能简单地将普通文本的检索方法应用到专利检索当中来.专利检索通常面临着召回率低下的问题,首先,由于专利文本具有极强的专业性,有着复杂的术语表达方式,用户输入的关键词通常无法明确捕捉到检索意图,导致检索结果不理想.其次,专利撰写时有意识地制造与众不同的词汇,导致相关专利无法被检索到.目前有很多的研究方法都旨在提高专利检索的召回率,但是仍然有许多问题有待解决,检索效果有待改善.提出了一个基于词向量的专利自动扩展查询方法,在词向量的基础上,构建一个关键词查询网络,通过稠密子图发现算法来寻找扩展词集合,提高扩展词的有效性.在CLEF-IP 2012数据集的基础上进行了充分的实验,实验结果表明,本文提出的算法能够保证扩展词集获取的灵活性和有效性,同时能进一步提高专利检索的召回率.

关键词：专利检索、扩展查询、词向量、深度学习

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省科技支撑计划2015BAA127

在线出版日期：2018-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2297-2305