-
题名中文专利文档关键词自动提取方法研究进展
被引量:1
- 1
-
-
作者
马运运
孙志一
刘海波
彭勇
-
机构
中国医学科学院北京协和医学院药用植物研究所
国家中医药管理局传统药物专利信息资源重点研究室
北京东方灵盾科技有限公司
-
出处
《世界科学技术-中医药现代化》
2015年第1期29-34,共6页
-
基金
北京科委"首都市民健康项目培育"项目(Z131100006813045):生物药物专利信息服务系统研发
负责人:孙瑞阳
-
文摘
专利是一种包含学术、商业、法律等信息的科技文献,记录了大量新颖、实用的研究成果,近年来关注度不断提高。利用共词分析、文本聚类等方法对专利文献进行信息分析时,往往需要借助关键词提取技术达到降低数据复杂度、过滤噪声的目的。关键词提取技术多数基于统计规律。本文对基于词频、关联信息和多特征的关键词提取方法研究进展进行了总结,介绍了常用的分别以TF-IDF、熵、词汇链、Text Rank、遗传算法、决策树学习、朴素贝叶斯分类器、支持向量机等为主导的方法。另外,本文还总结了在专利文档关键词提取中可能用到的词频、位置、语义、关联、自身等方面的特征。实际应用中,关键词自动提取技术可作为一种有力的辅助手段,降低数据处理过程中的人力和时间成本。
-
关键词
中文专利文档
关键词提取
TF-IDF
关联信息
机器学习
-
Keywords
Chinese Patent Documentation, Keyword extraction, TF-IDF, Associated information, Machine Learning
-
分类号
G202
[文化科学—传播学]
G306.0
[文化科学]
-