基于边界标记集的专利文献术语抽取方法

• 作者: 丁杰 刘克会 吕学强
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 边界标记集 种子术语 部件库 左右边界熵
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 自然语言处理
• 页码范围: 1591-1598
• 页数: 8页
• 分类号: TP391.1
• 字数: 8660字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.08.026

摘要

目前,大部分术语边界的确定方法是通过选取合适的统计量,设置合适的阈值计算字符串之间的紧密程度,但该类方法在抽取长术语时不能得到很好的效果.为了解决在术语抽取过程中长术语抽取召回率低的问题,在研究了大量专利文献的基础上,提出了一种基于专利术语边界标记集的术语抽取方法.方法中提出了边界标记集的概念,并结合专利文献中术语边界的特点构建专利术语边界标记集;提出了一种种子术语权重计算方法抽取种子术语;使用人民日报语料作为对比语料抽取专利文献术语部件词库,提高候选术语的术语度;最后采用左右边界熵的方法对识别出的术语进行过滤.实验表明,所提出的方法具有较好的实验结果,正确率81.67％,召回率71.92％,F值0.765,较对比实验有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕学强	北京信息科技大学网络文化与数字传播重点实验室	146	1187	15.0	30.0
2	刘克会		7	44	3.0	6.0
3	丁杰	北京信息科技大学网络文化与数字传播重点实验室	1	8	1.0	1.0