基于语义角色标注的专利主题提取研究

被引：4

作者：

孟令恩

李颖

何彦青

屈鹏

王惠临

机构：

[1] 中国科学技术信息研究所

来源：

图书情报工作 | 2014年 / 58卷 / 19期

关键词：

语义角色标注; 简化句; 主题抽取; 专利文献;

D O I：

10.13266/j.issn.0252-3116.2014.19.003

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

主题自动提取对于专利文献的信息挖掘具有重要的意义。引入语义角色标注信息来辅助自动提取专利文献主题,区别于已有的专利文本分析平台所采用的人工标注或模板方式。为了改善专利文献的语义角色标注,首先描述将专利文献长句自动拆分成简化句的方法;其次,对简化句进行语义角色标注;最后,综合利用简化句语义信息以及自建带语义框架的常用词表,对专利文献进行主题信息抽取,获得必要信息,从而证实本研究的实用价值。

引用

页码：19 / 24

页数：6

共 10 条

[1] 中文专利信息资源深加工方案设计与实证研究 [J].

张兆锋 ;

桂婕 ;

李颖 ;

杜永萍 .

数字图书馆论坛, 2014, (07) :45-51

[2] 多数据源协同下的专利分析系统构建 [J].

汪雪锋 ;

王有国 ;

刘玉琴 .

图书情报工作, 2013, 57 (14) :92-96

[3] 基于本体的专利摘要知识抽取 [J].

姜彩红 ;

乔晓东 ;

朱礼军 .

现代图书情报技术, 2009, (02) :23-28

[4] A large-scale classification of English verbs [J].

Kipper, Karin ;

Korhonen, Anna ;

Ryant, Neville ;

Palmer, Martha .

LANGUAGE RESOURCES AND EVALUATION, 2008, 42 (01) :21-40

[5]

The Proposition Bank: An Annotated Corpus of Semantic Roles[J] . Martha Palmer,Daniel Gildea,Paul Kingsbury. Computational Linguistics . 2005 (1)

[6]

Support Vector Learning for Semantic Argument Classification[J] . Sameer Pradhan,Kadri Hacioglu,Valerie Krugler,Wayne Ward,James H. Martin,Daniel Jurafsky. Machine Learning . 2005 (1)

[7] Automatic Labeling of semantic roles [J].

Gildea, D ;

Jurafskyy, D .

COMPUTATIONAL LINGUISTICS, 2002, 28 (03) :245-288

[8]

Random Forests.[J] . Leo Breiman. Machine Learning . 2001 (1)

[9]

Improved Boosting Algorithms Using Confidence-rated Predictions.[J] . Robert E. Schapire,Yoram Singer. Machine Learning . 1999 (3)

[10]

Hierarchical Recognition of Propositional Arguments with Perceptrons .2 X. Carreras,L. Marquez,G. Chrupala. HLTNAACL 2004 Workshop: Eighth Conference on Computational Natural Language Learning (CoNLL-2004) . 2004

← 1 →