专利查询扩展的词向量方法研究

• 作者: 徐博 曲忱 林原 林鸿飞 许侃
• 来源期刊: 计算机科学与探索
• 学科: 社会科学
• 关键词: 信息检索 查询扩展 排序学习 专利检索
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 972-980
• 页数: 9页
• 分类号: G354.4
• 字数: 6721字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1708028

摘要

查询扩展技术被广泛地应用于信息检索系统中.为提高专利检索的结果,采用查询扩展方法进行优化,利用相关专利文本训练词向量,并选择与原始查询相似度高的候选词作为查询扩展词,加入原始查询中.提出4种方法运用词向量获取查询扩展词,并提出两种方法进行扩展词相关性排序,改进已有的查询扩展词选择方法.在TREC数据集上的实验显示,将词向量模型进行扩展词选择的方法与传统的TF-IDF扩展词选择方法相融合,可以有效提高查询扩展模型的性能,对于理解用户的查询意图有着很好的促进作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与技术学院	214	3759	31.0	55.0
2	许侃	大连理工大学计算机科学与技术学院	29	110	6.0	9.0
3	徐博	大连理工大学计算机科学与技术学院	26	87	6.0	9.0
4	林原	大连理工大学科学学与科技管理研究所	26	196	6.0	13.0
5	曲忱	大连理工大学计算机科学与技术学院	1	3	1.0	1.0