挖掘专利知识实现关键词自动抽取

被引：24

作者：

陈忆群 ^{[1
,2
]}

周如旗 ^{[2
]}

朱蔚恒 ^{[3
]}

李梦婷 ^{[4
]}

印鉴 ^{[1
]}

机构：

[1] 中山大学计算机科学系

[2] 广东第二师范学院计算机科学系

[3] 暨南大学信息科学技术学院

[4] 珠海魅族科技有限公司

来源：

计算机研究与发展 | 2016年 / 08期

基金：

广东省科技计划;

关键词：

背景知识; 关键词抽取; 专利数据; 支持向量机; 信息检索;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

关键词是人们快速判断是否要详细阅读文件内容的重要线索,关键词自动抽取在信息检索、自然语言处理等研究领域均有重要应用.设计了一种新的关键词自动抽取方法,使计算机能够像人类专家一样,利用知识库对目标文本进行学习和理解,最终自动抽取出关键词.专利数据因其数据量庞大、内容丰富、表达准确、专业权威而被选中作为知识库来源.详细讨论了专利数据的特性,挖掘不同专利间的知识关联,针对某一知识领域构造背景知识库,在此基础上进行目标文本的关键词自动抽取.与目标文本相关的专利文集中每个专利的专利发明人、权利人、专利引用和分类信息都被用于在不同的专利文档之间发现关联性,利用关联信息扩充背景知识库,获得目标文档在各个相关知识领域的背景知识库.基于背景知识库设计了词知识特征值,以反映词在目标文本背景知识中的重要程度.最后,把关键词抽取问题转化为分类问题,利用支持向量机(support vector machine,SVM)抽取出目标文本的关键词.在专利数据集和开放数据集的实验结果证明明显优于现有算法.

引用

页码：1740 / 1752

页数：13

共 5 条

[1] Tag-TextRank:一种基于Tag的网页关键词抽取方法 [J].

李鹏 ;

王斌 ;

石志伟 ;

崔雅超 ;

李恒训 .

计算机研究与发展, 2012, 49 (11) :2344-2351

[2] 基于主题特征的关键词抽取 [J].

刘俊 ;

邹东升 ;

邢欣来 ;

李英豪 .

计算机应用研究, 2012, 29 (11) :4224-4227

[3] 基于LDA模型的主题词抽取方法 [J].

石晶 ;

李万龙 .

计算机工程, 2010, 36 (19) :81-83

[4]

LIBSVM[J] . Chih-Chung Chang,Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology （TIST） . 2011 (3)

[5]

KP-Miner: A keyphrase extraction system for English and Arabic documents[J] . Samhaa R. El-Beltagy,Ahmed Rafea.Information Systems . 2008 (1)

← 1 →