面向中文專利文獻(xiàn)的相似例句檢索算法的研究.pdf

1、句子檢索在自然語言處理領(lǐng)域有著廣泛的應(yīng)用，一直以來都為人們所關(guān)注。在問答系統(tǒng)、自動文摘、EBMT、翻譯記憶、新信息檢測中，句子檢索模塊的檢索質(zhì)量會直接影響到上述系統(tǒng)的性能。然而，如何去衡量兩個句子相似沒有一個統(tǒng)一的標(biāo)準(zhǔn)，從不同領(lǐng)域出發(fā)，看待句子相似度的角度也就不同，這就導(dǎo)致了度量標(biāo)準(zhǔn)的不同?？傊?，到目前為止，不存在統(tǒng)一的度量標(biāo)準(zhǔn)；也不可能存在這樣的標(biāo)準(zhǔn)，因為具體的度量準(zhǔn)則是與具體的應(yīng)用相關(guān)的。例如：在英漢雙語例句檢索系統(tǒng)中，兩個句子語法

2、結(jié)構(gòu)相似，就可以認(rèn)為這兩個句子是相似的；而在基于FAQ的自動問答中，則需要兩個句子意思基本相同。
　　同時，隨著我國對知識產(chǎn)權(quán)認(rèn)識的不斷提高以及國際交流的迫切需要，傳統(tǒng)的由專利翻譯人員進(jìn)行手工翻譯的方式已經(jīng)不能滿足目前急劇增長的專利文獻(xiàn)翻譯需求，這在一定程度上阻礙了我國與國際專利技術(shù)的推廣和交流。近年來，隨著機(jī)器翻譯技術(shù)的飛速發(fā)展，使得機(jī)器自動翻譯和人機(jī)協(xié)同翻譯成為了解決這一問題的有效途徑。
　　本文主要任務(wù)是：針對專利文獻(xiàn)

3、的自身特點(diǎn)，為人機(jī)協(xié)同翻譯系統(tǒng)設(shè)計一種句子檢索算法，以提高人機(jī)協(xié)同翻譯系統(tǒng)的性能和效率。本文針對專利文獻(xiàn)專業(yè)術(shù)語相對較多、形式規(guī)范、語言嚴(yán)謹(jǐn)、句子長度較長的特點(diǎn)，提出了一種基于偽LCS的句子相似度計算方法。該方法通過對傳統(tǒng)的最長公共子串算法(LCS)進(jìn)行改進(jìn)，并加入了詞匯語義信息，使其具有模糊對齊的能力。同時，由于專利中術(shù)語較多，本文提出了一種術(shù)語相似度計算方法，并把它加入到了句子的相似度計算中；為將語義相似與結(jié)構(gòu)相似進(jìn)行一定的結(jié)合，在