基于专利语料库的双语词典自动抽取及其在知识图谱中的应用

摘要：

将大量中英文对照的专利文本作为平行语料库,提出一种自动抽取中英文词典的方法.先利用外部语义资源维基百科构建种子双语词典,再通过计算点互信息获得中英文词对的候补,并设置阈值筛选出用于补充种子词典的词对.实验结果表明:对英语文档进行单词的短语化有助于提高自动抽取结果的综合性能;另一方面,虽然通过句对齐方式可以提高自动抽取结果的正确率,但会对抽取结果的召回率产生负面影响.通过所述方法构建的专利双语词典能够在构建多语言版本的技术知识图谱中起到积极作用.

关键词：专利数据、平行语料库、跨语言检索、互信息、知识图谱

所属期刊栏目：18

分类号：G306;TP391.1(科学研究理论)

资助基金：本文受上海市2020年度"科技创新行动计划"软科学重点项目项目名称:上海科创中心关键创新要素图谱:编号:20692100500

在线出版日期：2021-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-46