基于字频差算法与左切分词库构建的专利文献组件名称识别方法

作     者：孔嘉斌 吕剑文 刘江南 杜文轩 KONG Jiabin;LYU Jianwen;LIU Jiangnan;DU Wenxuan

作者机构：湖南大学汽车车身先进设计制造国家重点实验室长沙410082 

基　　金：国家科技部创新方法专项资助项目(2019IM050100) 湖南省自然科学基金(2018JJ2039) 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2023年第50卷第7期

页      码：229-236页

摘      要：机械专利文献蕴含着海量以组件名称为信息单元的领域知识信息,组件名称用词灵活多变,具有独特、复杂和生僻等特点,难以被计算机准确识别,成为专利知识挖掘的一大阻碍。为了提出组件名称的高效识别方法,剖析并提炼专利文本语句中的组件名称构词特征;从组件名称相关的外部用词入手,通过标识附图标记,识别其左侧的名称字符,自动从文本中检索候选名称,并构建组件候选名称集合;提出了字频差算法,过滤候选名称集合的冗余字符;提出了动态构建左切分词库算法,进一步剔除未能被过滤的冗余字符;通过交叉实验测试和分析识别过程中字频差先验阈值、词频阈值和字频差阈值的选取对识别效果的影响,形成一种面向机械领域中文专利的组件名称识别三段式综合方法。最后通过对实验结果的对比分析,验证了该方法的有效性与高效性。

主 题 词：专利文本 冗余字符 附图标记 字频差 左切分词 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.11896/jsjkx.220500068

馆 藏 号：203122446...