專利信息檢索系統(tǒng)的研究與實現.pdf

1、專利信息在當前社會是首選的競爭情報資源，它蘊含著巨大的知識存量。充分挖掘和利用專利信息有助于技術人員改進現有技術，發(fā)現新的技術領域。然而當前專利數量急劇增長，依靠人工手段尋找有用專利信息，并進行快速有效的專利分析，幾乎是不可能的。
　　 專利信息檢索系統(tǒng)就是為了幫助大家在眾多的專利資源中找到自己需要的資源。專利信息檢索的精確度和準全率和索引文件所依賴的詞典庫有著直接而重要的關系。如果詞典庫能包含專利信息中所有的詞匯，那專利檢索的

2、精確度和準全率一定很高。本文中我們將介紹一種術語抽取技術，用哈工大計算機學院智能技術與自然語言處理研究室的詞典文件作為一般詞典庫，從專利原始資料中抽取出專業(yè)術語，形成術語詞典庫。一般詞典庫和術語詞典庫共同作為生成索引文件的詞典庫。
　　 考慮到專利的原始文本信息量非常之大，在生成術語詞典庫的過程中，幾個比較關鍵的算法：后綴數組、取重復串和互信息，采用了C語言作為算法的開發(fā)語言，C語言的算法可以做到比較高的速度讀取文本，并且支持大