[发明专利]一种专利文本向量的语义表示方法

说明书

技术领域

本发明属于专利文献检索领域，具体涉及一种专利文本的向量空间表示方法。

背景技术

各国专利文献基本上都有基本统一的内容结构和统一的国际专利分类IPC体系。与发明技术方案相关的专利文献的内容结构部分包括：专利名称、摘要、说明书、权利要求书、IPC号及对比文件。说明书又包括背景技术、发明内容和具体实施方式。专利文献在用词和造句上与一般科技文献有很大的区别，这些特点给专利文献的相似计算带来很大的困难。专利文献的词句表达具有自身特点。在不同的专利文献之间，专利申请为了达到专利审查的新颖性，常将同一产品冠以不同的名称，相同概念的用语可能大相径庭，导致大量未登录专业术语的密集出现；为了拓宽保护范围，术语使用往往概念上位化，如关于“水杯”的发明创造，往往会用“一种容器”来表达，通篇不出现“水杯”二字；专利文献使用大量晦涩的技术性术语但很严谨很少出现歧义，技术术语带有很强的专业性，有些术语在某一特定技术领域内反复出现，而在其它领域内很少出现；存在大量的专业术语定语嵌套现象，如“免疫球蛋白”、“免疫球蛋白分子”、“免疫球蛋白分子编码序列”。专利文献的这些特点，使得专利文献的语义表示带有特殊性。

现有研究中，将语义专利分析法用于计算专利相似度以测量专利的新颖性[¹]及评价专利侵权风险^[2]，将潜在语义分析方法用于检测专利文献与科学出版物之间的相似度^[3]，将隐概念作为基本的文本元素用于专利的相似测量的研究^[4]，利用语义技术相似的主客相互关系结构来描述技术合作者之间的相互结构关系，用以判别专利的侵权^[5]等，虽在一定程度上涉及语义，并未能很好地挖掘专利文献的用词特点，结合专利文献用词特点将专利文本的专利语义信息表达于专利文本向量表示中。此外，现有的WordNet、YAGO等通用词典中，专业术语数量有限；借助外部词典WordNet，分析具有较高TF-IDF值的重要词项之间的语义相似度^[6]等在一定程度上提供了检索效果，但均不能很好地适应专利文献的用词特点，导致很多专利语义信息丢失。专利本体库构建方法、利用OWL进行语义专利信息检索和管理^[7]等的相关研究，只是为专利本体的构建提供了一些方法思路，未能构建领域专利知识库，并用于专利文本的语义表示。

现有的专利文本向量的语义表示方法有待进一步挖掘专利文献的用词造句特点；现有的专业领域本体缺少大量未登录的在专利文献中密集出现的领域专利技术术语。需要结合专利文献的用词特点，提供专利文本向量中专利文献词项语义表示的新方法。

对比文件

Gerken JM,A New Instruments for Technology Monitoring:Novelty in Patents Measured by Semantic Patent Analysis[J],Scientometrics,Vol.91,No.3,PP.645-670,2012

Bergmann I,Butzke D,Walter L,et al,Evaluating the Risk of Patent Infringement by Means of Semantic Patent Analysis:the Case of DNA Chips[J],R&DManagement,Vol.38,No.5,PP.550-562,2008

Magerman Tom,Van Looy Bart,Song Siaoyan,Exploring the Feasibility and Accuracy of Latent Semantic Analysis based on Text Mining Techniques to Detect Similarity Between Patent Documents and Scientific Publications[J],Scientometrics,Vol.82,No.2,pp.289-306,2010

Moehrle Martin G，Measures for Textual Patent Similarities:A Guided Way to Select Appropriate Approaches[J],Scientometrics,Vol.85,No.1,pp.95-109,2010