融合表示学习与机器学习的专利科学引文标题自动抽取研究

摘要：

[目的]针对专利引文类别繁多的问题,研究自动识别其中专利科学引文这一特定类别的方法,进而准确抽取专利科学引文的标题特征项,支撑后续专利科学引文深度分析与挖掘.[方法]引入表示学习方法Doc2Vec实现专利科学引文整体的语义向量表示,结合机器学习分类方法实现专利科学引文这一特定类别的识别;在此基础上,利用表示学习方法实现专利科学引文标题等内容元数据的语义向量表示,结合机器学习分类方法抽取专利科学引文标题.[结果]在基因领域专利的实验中,专利科学引文的识别精确率达到99.27％,专利科学引文标题抽取精确率达到92.59％,抽取精确率较单纯的机器学习方法提高5.96％.[局限]人工标注训练集较为耗时;对实验数据格式有一定要求.[结论]本文方法在专利科学引文识别和标题抽取上具有良好效果.

关键词：专利科学引文、元数据抽取、机器学习、表示学习

所属期刊栏目：3

分类号：G254(图书馆学、图书馆事业)

资助基金：国家自然科学基金青年项目“基于被引科学知识突变的突破性创新动态识别及其形成机理研究”71503125;国家重点研发计划子课题“知识产权大数据挖掘技术、智能推送技术及应用示范”2017YFB1401903;江苏省社会科学基金青年项目“基于社团结构动态演化的主题突变监测与形成机制研究”17TQC003;中央高校基本科研业务费专项资金“基于表示学习的专利科学引文元数据抽取研究”项目30918013108的研究成果之一

在线出版日期：2019-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：68-76