综合词位置和语义信息的专利文本相似度计算

摘要：

为解决传统文本相似度计算方法没有充分考虑专利文本结构特殊性以及计算文本相似度过程中往往忽略词汇间语义信息的问题,在传统方法的基础上,考虑词性以及专利文本的结构特征,将IPC分类号、标题、摘要、权利要求书作为主要研究对象,词在不同位置出现分别赋予不同的权重,通过word2vec将词表示成词向量的形式,通过词汇跟词汇之间的语义信息改进余弦相似度公式.实验结果表明,提出方法相比于传统文本相似度计算方法准确率和召回率有所提高,验证了其有效性.

关键词：文本相似度、专利文本结构、向量空间模型、词向量、余弦相似度

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61671070;北京成像技术高精尖创新中心基金项目BAICIT-2016003;国家语委重大课题基金项目ZDA125-26、ZDI135-53

在线出版日期：2018-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3087-3091