基于词向量的专利自动扩展查询研究

• 作者: 刘斌 刘梦兰 彭智勇
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 专利检索 扩展查询 词向量 深度学习
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2297-2305
• 页数: 9页
• 分类号: TP391
• 字数: 7804字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.12.019

摘要

专利检索与普通的文本检索有着极大的不同,专利文本包括权利声明、摘要、全文等不同部分,自然不能简单地将普通文本的检索方法应用到专利检索当中来.专利检索通常面临着召回率低下的问题,首先,由于专利文本具有极强的专业性,有着复杂的术语表达方式,用户输入的关键词通常无法明确捕捉到检索意图,导致检索结果不理想.其次,专利撰写时有意识地制造与众不同的词汇,导致相关专利无法被检索到.目前有很多的研究方法都旨在提高专利检索的召回率,但是仍然有许多问题有待解决,检索效果有待改善.提出了一个基于词向量的专利自动扩展查询方法,在词向量的基础上,构建一个关键词查询网络,通过稠密子图发现算法来寻找扩展词集合,提高扩展词的有效性.在CLEF-IP 2012数据集的基础上进行了充分的实验,实验结果表明,本文提出的算法能够保证扩展词集获取的灵活性和有效性,同时能进一步提高专利检索的召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘斌	武汉大学软件工程国家重点实验室	78	688	15.0	24.0
5	彭智勇	武汉大学软件工程国家重点实验室	79	799	15.0	25.0
9	刘梦兰	武汉大学软件工程国家重点实验室	1	3	1.0	1.0