计算机应用

作者：陈梅婕, 谢振平, 陈晓琪, 许鹏

单位：1. 江南大学 数字媒体学院, 江苏 无锡 214122;2. 江苏省媒体设计与软件技术重点实验室(江南大学), 江苏 无锡 214122;3. 常州佰腾科技有限公司, 江苏 常州 213164

关键词：新词发现,双向聚合度,专利新词,特征提取,专利分析

基金：国家自然科学基金资助项目（61872166）。

针对通用新词发现方法对专利长词识别效果不佳、专利术语词性搭配模板的灵活性不高，以及缺乏对中文专利长词识别的无监督方法的问题，提出了一种发现专利新词的双向聚合度特征提取新方法。首先，以词中组分的双向条件概率统计信息为基础，构造提出了一个二元词上的双向聚合度统计特征；其次，利用此特征扩展提出了词边界筛选规则；最后，基于新特征和词边界规则实现专利新词的提取。实验结果表明，新方法在整体F-测度值方面，与通用领域新词发现方法相比，提高了6.7个百分点，与两种最新的专利词性搭配模板方法相比，分别提高了19.2个百分点和17.2个百分点，并且较为显著地提高了4~8字专利新词发现的F-测度值。综合地，所提出的方法提升了专利新词发现性能，并且能够更有效地提取专利文本中具有复合形式的长词，同时可以减少对预先训练过程和额外复杂规则库的依赖，具备更好的实用性。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期