[发明专利]一种基于知识本体的专利文献相似性度量方法

摘要

本发明涉及一种基于知识本体的专利文献相似性度量方法，涉及面向专利文本的自然语言信息处理技术领域；该方法依据专利文献结构特点、位置特征和关键词特征提取核心技术方案；构建专利分类号主题词词间关系模型；根据分类号主题词词间关系模型构建领域词典并以之对核心技术方案分词和去停用词；主题词词间关系结合以TF‑IDF作为TextRank词初始权重提取关键词和权重；训练FastText模型，生成词向量；根据关键词、词权重和词向量，计算EMD距离，得出语义距离。对比现有技术，本发明解决了传统专利文献相似性度量方法未充分考虑专利文本结构特点，领域特点，词间关系特点及语义近似表述不一致导致的相似度低的问题。

主权项

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pi为第i个关键词，为pi的词权重，为pi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。