【摘 要】
：
近年来,专利信息资源呈几何爆炸式的增长,如何充分地利用它们,使专利信息在科研和专利业务等方面发挥作用,成为文本处理领域的热门课题之一。专利信息资源中存在着大量的专业
论文部分内容阅读
近年来,专利信息资源呈几何爆炸式的增长,如何充分地利用它们,使专利信息在科研和专利业务等方面发挥作用,成为文本处理领域的热门课题之一。专利信息资源中存在着大量的专业文字信息,如何提供一种有效的机制来组织利用文本、帮助用户获得他们想要的信息变得愈加重要。文本聚类是组织利用文本信息资源的较好的解决方案之一。它的任务是根据文本数据的特征,将其划分为不同的文本簇。专利文本聚类,即针对专利文本进行聚类,可以将专利文本集合划分成系统化的有意义的文本簇,缩小文本集合的数据规模,进而提高用户的查询使用效率。在对专利文本聚类结果的描述上,关键短语抽取方法表现出较好的效果。关键短语比关键词带有更丰富的信息量,可以高度概括文本簇的主题,帮助用户快速了解文本簇的主要内容,加快专利处理的效率。同时,由于关键短语十分精练,还可以利用关键短语以很小的计算代价对专利进行文本表示,辅助进行信息检索、文本聚类和分类等专利处理。针对专利文本的特点,我们提出了改进的专利文本聚类方法和具体实现步骤。其中包括文本预处理、文本表示、基于Trie树的文本表示优化、特征权重计算、特征降维等预处理步骤以及基于辅助字段的文本相似度计算、改进的文本聚类算法、最优类别个数选取等聚类步骤。此外,我们还提出了针对专利文本的多方法整合的关键短语抽取方法和具体实现步骤。其中包括基于词性模板的关键短语候选抽取、基于词典的短语识别、基于上下文信息的短语识别、基于TF-ICF-CDF的关键短语评分等步骤。综上,我们提出了改进的专利文本聚类方法和针对专利文本的多方法整合的关键短语抽取方法。与传统方法相比,我们取得了更好的性能。
其他文献
叶赛宁的一生充满了悲伤:乡村情结之悲,爱情未果之悲,信仰危机之悲,以及因信仰分歧而导致的友情之悲.这些具有悲剧性的经历直接导致了他的诗歌所特有的忧郁乃至悲观的基调,即
十六国时期,各割据政权在民族融合的大背景下纷纷调整统治政策.前秦皇帝苻坚重用汉族文士王猛,在政治、经济、文化、民族关系等方面进行一系列的革新,使前秦的国力日益强大,
传统的搜索技术满足了人们一定的需要，但由于其通用的性质，仍然不能满足不同背景、不同目的和不同时期的查询请求。个性化服务技术就是针对这个问题而提出的，它为不同用户提供不
软件复用是解决软件危机、实现软件产业工业化生产方式的有效途径。软件复用活动包含两个相关的阶段：可复用软件资产的生产阶段和基于可复用软件资产的应用系统开发阶段。领域
电磁感应现象与人类生产生活密切联系,是高中物理教学的重点内容;更因为电磁感应与力、能量、电路等知识点有机结合,能很好的培养学生科学思维能力,多年来一直作为高考的压轴
二战后,美国在全球战略框架内形成了亚太安全战略.随着苏联的解体和冷战在全球层面的结束,亚太地区的战略格局和安全环境发生了重大变化,这意味着美国必须重新评估亚太地区的
俗话说:“万事开头难”、“良好的开端是成功的一半”.高中物理精彩导入是高效课堂的前奏曲,能扣住学生的心弦提高学习兴趣,使学生及时明确自主探究的目标,并主动打开创新思
当今世界，以信息通信技术为代表的科学技术革命，正在以前所未有的方式和速度改变着人们的生活与学习。其中计算机网络的发展尤为突出，已深入我们生活的方方面面，人类社会已经步入
自从实施新课改以来,广大高中物理教师积极采用多媒体教学、合作学习、探究性学习等科学的教学方法,逐步活跃了课堂气氛,充分发挥学生在课堂教学中的主体地位.从当前高中物理
高中新课程改革明确强调,课堂教学过程中一定要针对学生实际,坚持因材施教,立足学生的基础实施分层次教学.每一个班级学生的学习情况参差不齐,学生的基础有各不相同,学生的综