面向專利文獻的漢語分詞技術研究.pdf

1、在社會信息化程度日益提高的今天，專利已成為最大的科技信息載體，其在科研開發(fā)和技術創(chuàng)新上發(fā)揮著重要作用。怎樣有效利用其所包含著的爆炸式增長的各類專業(yè)信息資源，使專利在科研和專利業(yè)務的諸多方面發(fā)揮重要作用，是當前漢語專利信息處理系統(tǒng)的重要挑戰(zhàn)，而分詞技術是其重要的基礎工作，專利檢索、專利翻譯的工作都離不開漢語專利文獻的分詞技術，分詞質量的高低直接影響專利文獻應用的效率。
　　漢語分詞和詞性標注工作已經取得了非常豐碩的成果，但是，目前針

2、對漢語專利文獻分詞研究的參考文獻數量不多，還沒有專門的面向專利文獻的開源的分詞系統(tǒng)。本文根據專利文獻自身的特點，提出了一種領域詞典與統(tǒng)計相結合的分詞方法，與現有的ICTCLAS分詞系統(tǒng)相比在專利領域內切分取得了很高的準確率與召回率，通過提取專業(yè)術語大大提高了未登錄詞的識別效率。
　　針對專利文獻存在大量的未登錄專業(yè)術語導致的分詞精度下降，本文提出應用NC-value算法抽取專業(yè)術語，使用條件隨機場模型(CRF)，構建專利領域術語抽