[发明专利]一种基于知识本体的专利文献相似性度量方法

权利要求书

1.一种基于知识本体的专利文献相似性度量方法，其特征在于，包括以下步骤：

步骤一，根据专利文献结构特点、位置特征和关键词特征从专利全文文本中提取核心技术方案信息；

步骤二，构建专利文献分类号主题词词间关系模型；

步骤三，根据分类号主题词关系模型生成领域词典，使用领域词典对核心技术方案信息的文本分词，使用停用词库对分词结果去停用词，得到语料文本；

步骤四，使用关键词提取工具，提取语料文本中的关键词和词权重；

步骤五，基于步骤四得到的关键词，提取经过训练的词向量模型中对应的词向量；

步骤六，基于上述得到的关键词，词权重和词向量信息，得出该专利文献的量化表示其中p_i为第i个关键词，为p_i的词权重，为p_i的词向量；1≤i≤n，n为关键词的总数；

步骤七，使用EMD工具，计算不同专利文献的量化表示之间的距离，EMD距离越小，语义越近似。

2.根据权利要求1所述的一种基于知识本体的专利文献相似性度量方法，其特征在于，所述步骤一中的核心技术方案信息包括标题，分类号，发明解决的技术问题，达到的有益效果，技术方案应用的领域，权利要求中的发明内容。

3.根据权利要求1所述的一种基于知识本体的专利文献相似性度量方法，其特征在于，所述专利全文文本为XML格式，符合国家知识产权局公布的CN-TXTS-10-A数据编码规范，包括著录项目、摘要、权利要求书、说明书、说明书附图和索引信息。

4.根据权利要求1所述的一种基于知识本体的专利文献相似性度量方法，其特征在于，作为优选，所述主题词词间关系模型为一个有向图结构，图的结点为主题词，主题词的属性包括分类号、该主题词的同义词和近义词，如果主题词之间存在直接上、下位关系，则有一条连接两个词的有向边，起点为下位词，终点为上位词，权重为常量w，大小介于0到1之间。

5.根据权利要求1所述的一种基于知识本体的专利文献相似性度量方法，其特征在于，所述步骤二中的主题词词间关系模型为一个有向图结构，图的结点为叙词，叙词的属性包括分类号，同义词，近义词等，如果词之间存在直接上、下位关系，则有一条连接两个词的有向边，起点为下位词，终点为上位词，权重为常量w，大小介于0到1之间。

6.根据权利要求1所述的一种基于知识本体的专利文献相似性度量方法，其特征在于，所述w＝0.8。

7.根据权利要求1所述的一种基于知识本体的专利文献相似性度量方法，其特征在于，所述步骤四中的关键词提取方法为：首先，训练语料文本的TF-IDF模型，然后，使用TextRank方法提取关键词及词权重，其中词初始权重为其TF-IDF值，TextRank方法中迭代次数范围为5-20。