面向?qū)＠墨I(xiàn)數(shù)據(jù)的文本分類若干關(guān)鍵技術(shù)研究.pdf

1、在當(dāng)今全球化經(jīng)濟(jì)的時(shí)代,專利技術(shù)已成為國家或地區(qū)競(jìng)爭(zhēng)力的核心,專利知識(shí)產(chǎn)權(quán)越來越受到企業(yè)的重視。隨著企業(yè)競(jìng)爭(zhēng)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(qǐng)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(qǐng)量的激增一方面增加了對(duì)快速、自動(dòng)文本分類的迫切需求,另一方面又為數(shù)據(jù)挖掘技術(shù)的文本分類方法準(zhǔn)備了充分的資源。因此,計(jì)算機(jī)輔助專利分類成為大勢(shì)之所趨。 中文

2、文本分類技術(shù)已趨成熟,在相關(guān)領(lǐng)域有著很好的應(yīng)用,這為專利自動(dòng)分類系統(tǒng)的實(shí)現(xiàn)提供了有力的技術(shù)支持。雖然該技術(shù)目前還沒有實(shí)際應(yīng)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(diǎn),而且更加具有類別的可分性,因此本文提出了將該技術(shù)應(yīng)用在專利文本上的新應(yīng)用。 本文介紹并分析了文本分類的若干關(guān)鍵技術(shù)。結(jié)合專利數(shù)據(jù)的特點(diǎn)提出了一種基于后綴數(shù)組的領(lǐng)域詞匯抽取方法,并在此基礎(chǔ)上利用詞典和統(tǒng)計(jì)相結(jié)合的方法來進(jìn)行中文分詞。本文基于向量空間模