專利信息檢索系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、專利信息在當(dāng)前社會(huì)是首選的競(jìng)爭(zhēng)情報(bào)資源，它蘊(yùn)含著巨大的知識(shí)存量。充分挖掘和利用專利信息有助于技術(shù)人員改進(jìn)現(xiàn)有技術(shù)，發(fā)現(xiàn)新的技術(shù)領(lǐng)域。然而當(dāng)前專利數(shù)量急劇增長(zhǎng)，依靠人工手段尋找有用專利信息，并進(jìn)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(zhǔn)全率和索引文件所依賴的詞典庫(kù)有著直接而重要的關(guān)系。如果詞典庫(kù)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(zhǔn)全率一定很高。本文中我們將介紹一種術(shù)語抽取技術(shù)，用哈工大計(jì)算機(jī)學(xué)院智能技術(shù)與自然語言處理研究室的詞典文件作為一般詞典庫(kù)，從專利原始資料中抽取出專業(yè)術(shù)語，形成術(shù)語詞典庫(kù)。一般詞典庫(kù)和術(shù)語詞典庫(kù)共同作為生成索引文件的詞典庫(kù)。
　　 考慮到專利的原始文本信息量非常之大，在生成術(shù)語詞典庫(kù)的過程中，幾個(gè)比較關(guān)鍵的算法：后綴數(shù)組、取重復(fù)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