我國專利數(shù)據(jù)中發(fā)明家姓名消歧算法研究.pdf

1、專利大數(shù)據(jù)已成為國內外科學研究、商業(yè)情報分析以及精準創(chuàng)新創(chuàng)業(yè)的重要基礎性資源，實現(xiàn)專利數(shù)據(jù)高質量的數(shù)據(jù)清洗目標以提高對該資源的利用效率具有重要意義。然而，由于漢字及其輸入法特性，我國專利數(shù)據(jù)中的著錄項信息清洗存在其特有的難點，其中發(fā)明家姓名消歧是最急需解決的關鍵性問題。在使用漢字輸入法向專利數(shù)據(jù)庫中輸入專利信息時，可能把專利數(shù)據(jù)中的發(fā)明家名字輸入錯誤而產生姓名歧義（同音字和形近字歧義），從而導致專利數(shù)據(jù)質量的降低。在以專利創(chuàng)新為背景的前

2、提下，一些高科技創(chuàng)新企業(yè)可能因為專利數(shù)據(jù)質量的降低而影響對優(yōu)秀發(fā)明家的培養(yǎng)、辨別和他們之間的合作關系考察，從而會弱化資源的合理配置功能。
　　應用專利數(shù)據(jù)中發(fā)明家信息做專利數(shù)據(jù)分析時，首先需要對發(fā)明家姓名的歧義進行檢查和糾正。因為專利數(shù)據(jù)中發(fā)明家名字的含糊性為實現(xiàn)高質量的數(shù)據(jù)清洗目標產生障礙，從而會導致企業(yè)的準確性決策、低成本投入、研發(fā)方向選擇產生一定的偏差。對于專利信息中發(fā)明家姓名歧義問題，國外研究已經比較成熟，形成了形形色色的

3、發(fā)明家消歧算法，但是對于中文發(fā)明家姓名消歧的研究鮮有涉及，由于中英文語言文字在邏輯結構、詞語分布特征以及使用習慣等方面有著較大差異，國外專利數(shù)據(jù)清洗算法已不能夠適用于中文專利數(shù)據(jù)中發(fā)明家信息的清洗需求。
　　本文通過對國內外姓名消歧以及英文發(fā)明家姓名消歧算法的回顧，主要從中國漢字的特殊性出發(fā)，設計了一套高效、科學的姓名消歧算法來解決中國專利數(shù)據(jù)中存在的發(fā)明家歧義。主要貢獻是基于專利著錄項組合相似度的發(fā)明家姓名消歧算法和基于綜合集成