自动标注中文专利的引文信息

【目的】自动标注嵌入中文专利文本中的专利、标准、学术论文、其他专著4类引用信息。【方法】对于专利、标准和其他专著的引用,应用模式匹配的方法标注;对于学术论文的引用,应用由两阶段构成的机器学习方法标注,自动检测含有引用的句子,并从中自动提取6类文献特征信息。【结果】10层交叉验证的结果表明:专利引用标注的精确度和查全度均为100%,标准引用标注的精确度和查全度分别达到92%和94%,而其他专著引用标注的精确度和查全度分别达到80%和71%;标注学术论文引用的精确度和查全度在阶段一分别为95.7%和96.0%,阶段二分别为95.3%和94.9%。【局限】模式匹配方法需要人工分析大量的专利文件,训练数据规模相对较小。【结论】运用模式匹配方法标注专利、标准引用的性能高于92%;运用机器学习方法标注学术论文引用的平均性能达到95%。