面向專利文獻數(shù)據(jù)的文本分類若干關鍵技術研究.pdf

1、在當今全球化經濟的時代,專利技術已成為國家或地區(qū)競爭力的核心,專利知識產權越來越受到企業(yè)的重視。隨著企業(yè)競爭越來越激烈,企業(yè)用于專利開發(fā)的力度不斷加大。因此,近年來的專利申請量迅速增大,但是目前專利分類的方法是采用傳統(tǒng)的手工分類方法,這種分類方法效率低下,存在許多弊端。專利申請量的激增一方面增加了對快速、自動文本分類的迫切需求,另一方面又為數(shù)據(jù)挖掘技術的文本分類方法準備了充分的資源。因此,計算機輔助專利分類成為大勢之所趨。 中文

2、文本分類技術已趨成熟,在相關領域有著很好的應用,這為專利自動分類系統(tǒng)的實現(xiàn)提供了有力的技術支持。雖然該技術目前還沒有實際應用在專利信息上,但是專利信息與其他文本信息有著很多相同的特點,而且更加具有類別的可分性,因此本文提出了將該技術應用在專利文本上的新應用。 本文介紹并分析了文本分類的若干關鍵技術。結合專利數(shù)據(jù)的特點提出了一種基于后綴數(shù)組的領域詞匯抽取方法,并在此基礎上利用詞典和統(tǒng)計相結合的方法來進行中文分詞。本文基于向量空間模