一種用于專利實(shí)體的實(shí)體消歧方法教案資料

1、Good is good, but better carries it.精益求精，善益求善。一種用于專利實(shí)體的實(shí)體消歧方法-文章編號(hào)：XXXX一種用于專利實(shí)體的實(shí)體消歧方法王琰炎，王裴巖，蔡?hào)|風(fēng)（沈陽航空航天大學(xué)知識(shí)工程與人機(jī)交互研究中心，沈陽，110136）摘要：專利實(shí)體是用以表述專利、實(shí)用新型或外觀設(shè)計(jì)的具有實(shí)際意義的實(shí)體，作為專利文本的核心內(nèi)容，專利實(shí)體是專利文本中最值得實(shí)體搜索用戶關(guān)注的焦點(diǎn)。專利實(shí)體搜索是專利技術(shù)方案信息抽取的第一步，而專利實(shí)體消歧是專利實(shí)體搜索中最重要的操作，是將具有領(lǐng)域歧義性的專利實(shí)體相關(guān)詞，按照實(shí)體不同的領(lǐng)域含義，劃分為不同類別的過程。將實(shí)體搜索技術(shù)應(yīng)用于中文專

2、利摘要文本，并在實(shí)體搜索過程中使用了實(shí)體消歧技術(shù)，得到用戶最關(guān)注的實(shí)體相關(guān)信息。本文在充分分析了專利摘要文本的特點(diǎn)的基礎(chǔ)上，提出一種面向?qū)＠麑?shí)體的消歧方法。本文使用基于IPC和向量空間模型的詞向量表示法，結(jié)合凝聚式層次聚類算法，得到專利實(shí)體消歧結(jié)果。根據(jù)對(duì)比實(shí)驗(yàn)的結(jié)果能夠得出結(jié)論，本方法能夠?qū)崿F(xiàn)準(zhǔn)確的實(shí)體消歧，評(píng)測(cè)結(jié)果高達(dá)78.9%。關(guān)鍵詞：專利實(shí)體、實(shí)體搜索、實(shí)體消歧、IPC、凝聚式層次聚類中圖分類號(hào)：TP391.1文獻(xiàn)標(biāo)識(shí)碼：AAnEntityDisambiguationMethodforPatentEntityWANGYan-yan，WANGPei-yan，CAIDong-feng(Kn

3、owledgeEngineeringResearchCenter，ShenyangAerospaceUniversity，Shenyang110136)Abstract:PatentEntityisasignificantentitythatusedtoexpresspatents,utilitymodels,andappearancedesign,asthekernelofpatenttext,patententityistheabsolutefocusofentitysearchusers.PatentEntitySearchisthefirststepofPatentInformatio

4、nExtraction,andtheentitydisambiguationofpatentisthemostimportantoperationofPatentEntitySearch,whichisdividerelativewordstodifferenttypesaccordingtodifferentdomains.ApplyentitysearchtechnologytotheabstracttextofChinesepatent,makeuseofthetechnologyofentitydisambiguation,whichcangettherelativeinformati

5、onthattheuserconcerned.Thispaperproposeadisambiguationmethodonthebasisofanalyzingthefeatureoftheabstracttextofpatentadequately.CombinedwithHAC,thispaperhavegottentheresultofdisambiguationbyusingthewordvectorrepresentationonthebasisofIPCandVectorSpaceModel,combinedwithHAC.Accordingtotheparallelexperi

6、ments,wecometotheconclusionthatthemethodcoulddisambiguateaccuratelywiththemeasurevalueof78.9percent.Keywords：PatentEntity,EntitySearch,EntityDisambiguation,IPC,HAC專利文本是集技術(shù)情報(bào)、法律情報(bào)和經(jīng)濟(jì)情報(bào)于一體的實(shí)用知識(shí)載體，是極為重要的科技信息來源1。專利實(shí)體作為專利文本中的核心對(duì)象，研究價(jià)值較高。專利實(shí)體的消歧是專利實(shí)體搜索的核心步驟，目標(biāo)是解決專利實(shí)體搜索中同名實(shí)體的歧義問題，幫助用戶準(zhǔn)確定位目標(biāo)信息。在專利文本的基礎(chǔ)上進(jìn)行實(shí)體

7、消歧，就是將具有領(lǐng)域歧義的實(shí)體相關(guān)詞按照不同的領(lǐng)域含義劃分為不同的類別。因此，專利實(shí)體上的歧義消解實(shí)際上就是目標(biāo)詞的聚類過程，消歧結(jié)果的好壞就取決于聚類中目標(biāo)詞向量的原始特征選擇。本文嘗試了三種不同的特征選取方法，將目標(biāo)詞表示成特征向量，再進(jìn)行類別劃分。經(jīng)過實(shí)驗(yàn)驗(yàn)證，使用基于IPC分類的特征生成目標(biāo)詞向量的方法取得了更好的效果。本文共分為5部分內(nèi)容，第1部分介紹了國內(nèi)外的相關(guān)研究，第2部分介紹了本文提出的三種相關(guān)詞特征向量表示方法，第3部分介紹了使用聚類算法進(jìn)行專利實(shí)體消歧的過程，第4部分則是實(shí)驗(yàn)和分析，最后一部分是本文得出的結(jié)論與展望。1相關(guān)研究實(shí)體消歧問題是當(dāng)下比較熱點(diǎn)的研究問題，國內(nèi)外的

8、大多熟研究從兩個(gè)角度解決實(shí)體歧義造成的影響，分別是通過尋求更高質(zhì)量的特征和引入外部資源輔助消解。在特征選取方面，何正焱2利用DNN（深度神經(jīng)網(wǎng)絡(luò)）方法，提出了一種文檔和實(shí)體的相似度為框架的消歧模型；姜麗麗3提出了一種基于帶權(quán)圖結(jié)構(gòu)的框架來實(shí)現(xiàn)人物實(shí)體的消歧工作，并使用實(shí)體標(biāo)簽對(duì)每個(gè)人物實(shí)體進(jìn)行標(biāo)注；Bagga和Baldwin4將不同文檔間上下文的相似度作為特征實(shí)現(xiàn)實(shí)體消歧的；R.Bekkerman和A.McCallum5則結(jié)合了社交網(wǎng)絡(luò)的鏈接信息和聚類兩種非監(jiān)督的框架對(duì)社交網(wǎng)絡(luò)中的人物實(shí)體進(jìn)行消歧。給定的文檔集中所包含的被査詢?nèi)说男畔⑼欠浅Ｓ邢薜?，因此網(wǎng)絡(luò)公共資源經(jīng)常被用來挖掘更多的信息以

9、提高同名消歧質(zhì)量。其中，中科院的韓先培6使用了在線知識(shí)庫信息來輔助解決實(shí)體歧義的，D.Bollegara7通過擴(kuò)展查詢?cè)~來對(duì)Web搜索引擎中的同名人物實(shí)體進(jìn)行消歧；R.Bunescu8嘗試使用在線百科全書（Wikipedia）的部分錨文本信息來擴(kuò)充文檔集，從而完成信息檢測(cè)和同名消歧的任務(wù)。這些方法能夠非常出色的完成實(shí)體消歧的任務(wù)，但是由于其需要花費(fèi)大量的時(shí)間進(jìn)行在線信息采集，因此更適合于服務(wù)器端的應(yīng)用。現(xiàn)在階段的實(shí)體消歧研究集中在通用文本上，而專利文本上的實(shí)體，又與通用文本中的實(shí)體有本質(zhì)的區(qū)別。因此，本文需要充分利用專利文本及專利實(shí)體的特點(diǎn)，并在通用的實(shí)體消歧方法的基礎(chǔ)上進(jìn)行優(yōu)化。2特征向量表

10、示方式實(shí)體消歧的目標(biāo)是對(duì)專利相關(guān)詞解析并分類，利用向量空間模型（VSM）的思想，將相關(guān)詞表示成特征向量的形式，再對(duì)它們進(jìn)行消歧。本文嘗試了三種特征向量的表示方式，分別是利用基于TF-IDF的文檔特征表示法、Word2vec詞向量表示法，以及基于IPC分類的輔助表示法。2.1TF-IDF特征表示法TF-IDF是一種利用詞語的詞頻（TF）和反文檔頻率（IDF）特征的統(tǒng)計(jì)方法，主要思想在于，如果某個(gè)詞在一篇專利文檔中出現(xiàn)的頻率TF高，而在其他文檔中出現(xiàn)較少，則認(rèn)為此詞具有很好的類別區(qū)分能力。基于TF-IDF的特征權(quán)值選取方法，使每個(gè)特征維度代表一篇相關(guān)文檔，將每個(gè)目標(biāo)詞在每篇對(duì)應(yīng)文檔中的TD-IDF

11、值作為對(duì)應(yīng)維度上的特征值，表示形式如下。其中，表示的是目標(biāo)詞w在專利文本中的詞頻，idf表示w在文本集上的反文檔頻率，N表示專利文本集中的文本總數(shù)，則表示w在文本集中的文檔頻率。由于考慮到專利文本的長度對(duì)目標(biāo)詞在不同專利文本中的權(quán)重值影響較大，需要進(jìn)行的向量的歸一化操作。2.2Word2vec詞向量表示法本文使用了由Google的TomasMikolov1011團(tuán)隊(duì)研發(fā)的Word2vec詞向量生成工具，生成指定維度的目標(biāo)詞向量。Word2vec工具是基于DeepLearning和神經(jīng)網(wǎng)絡(luò)模型，利用深度神經(jīng)網(wǎng)絡(luò)（DNN）的思想，通過上下文的分析，自動(dòng)選取特征，并通過用戶指定的參數(shù)，經(jīng)過多次的迭代

12、，訓(xùn)練出詞向量。Word2vec常用的參數(shù)包含上下文窗口大?。╓indow）、向量維度（size）、訓(xùn)練架構(gòu)選擇（cbow）以及最低訓(xùn)練詞頻（min-count）等。本文先利用分詞工具和命名實(shí)體識(shí)別工具，將相關(guān)文檔集進(jìn)行分詞和實(shí)體識(shí)別操作，并將經(jīng)過分詞和識(shí)別之后的文檔作為word2vec工具的訓(xùn)練語料，進(jìn)行詞向量的訓(xùn)練。2.3IPC向量表示法IPC（國際專利分類）是目前國際上唯一通用的專利文獻(xiàn)分類和檢索工具12，是一個(gè)復(fù)雜的層次結(jié)構(gòu)分類系統(tǒng)，分為部、大類、小類、主組和分組5個(gè)層次13。例如，篇專利文本的IPC分類編號(hào)是A47B1/02，可按照IPC體系做如下分解。表1專利文本的IPC編號(hào)分解舉

13、例分解片段IPC層次含義A部（最外層）人類生活需要A47大類家具A47B小類桌子、寫字臺(tái)、抽屜、櫥柜等A47B1/00主組可伸展的桌子A47B1/02分組（最內(nèi)層）有可插入的活板和固定框架的桌子基于IPC的特征選取方法是利用IPC體系中每個(gè)層次的類別特征，將實(shí)體相關(guān)詞詞表示成特征向量的形式?；贗PC的特征向量表示方法是利用IPC的5個(gè)不同層次的IPC類別作為特征。以IPC的最外層（部）為例，IPC的部有AH類的8種特征，如下表所示。表2IPC的部的層次特征介紹標(biāo)識(shí)表示含義舉例說明A類人類生活需要A01：農(nóng)業(yè)；A41：服裝；A63：運(yùn)動(dòng)娛樂B類作業(yè)、運(yùn)輸B27：木材；B64：航空、飛行器C類化

14、學(xué)、冶金C01：無機(jī)化學(xué)；C10：石油、煤氣；C21：煉鐵D類紡織、造紙D03：織造；D21：造紙E類固定構(gòu)造E02：水利工程；E04：建筑物；E05：門窗、鑰匙F類機(jī)械工程、照明、加熱F02：燃?xì)鈾C(jī)；F21：照明；F23：燃燒設(shè)備G類物理G02：光學(xué)；G11：信息貯存；G21：核物理、核工程H類電學(xué)H01：基本電氣元件；H04：電子通信技術(shù)其中，AH類的每個(gè)特征向量的維度都是8，此時(shí)對(duì)于目標(biāo)詞w，其特征向量的形式是，向量的8個(gè)特征權(quán)值分別表示目標(biāo)詞w的上表中的8個(gè)類別上的權(quán)重值。使用類似于基于詞語的TF-IDF的特征權(quán)值表示法，將基于單篇文檔的特征更改為基于8種部的特征，將基于N篇專利文檔的

15、特征進(jìn)行降維，從而將基于文檔的特征映射到基于IPC的8種部的特征。于是權(quán)值的表示形式為：其中，表示目標(biāo)詞在類文本中的詞頻，N是相關(guān)文檔集大小，表示的是目標(biāo)詞w在類文本中的文檔頻率。同理，在IPC分類體系的大類和小類的層面上進(jìn)行相同的特征選擇，得到不同層次下的特征向量。本文在前三個(gè)層次的特征進(jìn)行了實(shí)驗(yàn)，其中大類和小類的特征數(shù)目是123和629。3聚類分析3.1凝聚式層次聚類實(shí)體消歧中對(duì)于實(shí)體相關(guān)詞的劃分，使用的是聚類的思想，將實(shí)體相關(guān)詞利用VSM表示成特征向量之后，對(duì)這些目標(biāo)向量進(jìn)行聚類分析。由于對(duì)于聚類結(jié)果缺乏預(yù)知，無法預(yù)測(cè)目標(biāo)詞會(huì)分為幾類，因此本文使用層次聚類來實(shí)現(xiàn)專利實(shí)體的消歧。根據(jù)層次分

16、解的順序是自下向上的還是自上向下的，分為凝聚的層次聚類算法和分裂的層次聚類算法14，本文使用的是前者。HAC是一個(gè)自底向上的層次聚類過程，一開始將每個(gè)目標(biāo)詞都看做一個(gè)由單個(gè)詞組成的小聚簇，然后不斷地對(duì)簇進(jìn)行兩兩合并的操作，直到所有聚簇都合并成一個(gè)類為止。實(shí)體的歧義消解過程中，將每個(gè)目標(biāo)詞作為聚類的對(duì)象，每個(gè)目標(biāo)詞用特征向量的形式表示，對(duì)這些目標(biāo)詞進(jìn)行聚類的過程就是對(duì)這些特征向量聚類的過程，其中向量之間的距離衡量公式使用的是歐氏距離。3.2聚類終止條件控制HAC的聚類過程需要通過閾值控制聚類的終止。本文選取6個(gè)不同的簇內(nèi)相似度值水平k進(jìn)行閾值控制，分別是0.5、0.3、0.1、0.001、1e-

17、9和0，分別對(duì)應(yīng)聚類終止控制策略的16層。對(duì)于一個(gè)歧義實(shí)體，以這6個(gè)相似度作為層次聚類的終止條件得到6種聚類結(jié)果，分別采集每種聚類結(jié)果的詳細(xì)記錄，其表示形式如下：其中，表示第i層聚類結(jié)果的聚簇?cái)?shù)目，是第i層聚類結(jié)果的F評(píng)價(jià)值；而則表示第i層的詳細(xì)聚類結(jié)果記錄，詳細(xì)記錄了每個(gè)聚簇包含的相關(guān)詞數(shù)目以及簇內(nèi)對(duì)象的相似度平均值，表示形式如下：隨著層數(shù)的增加，相似度閾值逐層降低，聚簇?cái)?shù)目逐層減少，每個(gè)聚簇內(nèi)詞語間的平均相似度值也逐層衰減，本文就是通過相似度的衰減程度來控制聚類的終止，本文嘗試了幾種衰減策略來控制，即最大值衰減、最小值衰減、平均值衰減，以及它們之間的融合衰減方法。3.2.1衰減程度首先計(jì)算

18、每個(gè)相似度水平k下的聚類結(jié)果中除1外的類內(nèi)的目標(biāo)相似度值。從第二層的相似度水平k=0.3開始，根據(jù)本層的類內(nèi)相似度值和上一層的相似度值，計(jì)算衰減程度，第i層的衰減程度的表示形式如下：其中，和表示當(dāng)前層和上一層的目標(biāo)相似度值，可以表示當(dāng)前聚類結(jié)果中簇內(nèi)相似度的最大值、最小值或平均值。于是得到每一層的的三個(gè)衰減度、和。再通過實(shí)驗(yàn)選取合適的衰減閾值，當(dāng)在第i層的衰減度大于該閾值時(shí)終止聚類，并將上一層的聚類結(jié)果作為最終的消歧結(jié)果。3.2.2衰減融合策略將三種衰減度中的兩種以上加以融合，形成新的衰減策略，即衰減融合策略。共存在如表2的4種衰減策略。表2四種融合衰減策略融合策略策略說明RMax+Min同時(shí)

19、使用最大值策略、最小值策略RMax+Avg同時(shí)使用最大值策略、平均值策略RMin+Avg同時(shí)使用最小值策略、平均值策略RAll同時(shí)使用三種策略例如，在表2所示的聚類結(jié)果中使用RMax+Min的融合策略，此融合策略要求在每層的聚類結(jié)果中，兩個(gè)衰減度和需同時(shí)滿足和，若條件之一不滿足就終止聚類。其他三種融合策略的應(yīng)用方法與RMax+Min方法相似，只是使用的衰減度類型不同。通過實(shí)驗(yàn)分別驗(yàn)證這四種融合策略對(duì)于實(shí)體消歧的有效性，并與前一節(jié)提及的三種使用單獨(dú)的衰減度的策略進(jìn)行對(duì)比，找出最佳的衰減策略應(yīng)用于專利實(shí)體的消歧。4實(shí)驗(yàn)與分析4.1實(shí)驗(yàn)設(shè)置本文使用的實(shí)驗(yàn)語料為來源于不同領(lǐng)域的2009-2010年的中

20、文專利摘要，共92萬篇。本實(shí)驗(yàn)使用了10個(gè)具有領(lǐng)域歧義性的查詢?cè)~，每個(gè)查詢?cè)~通過相關(guān)詞檢索和篩選，得到50個(gè)最相關(guān)的目標(biāo)詞語。每個(gè)查詢（Query）都含有至少兩個(gè)領(lǐng)域含義例如，領(lǐng)域概念“載體”具有3個(gè)領(lǐng)域含義，將實(shí)體相關(guān)詞映射到“載體”的3種不同的領(lǐng)域含義上，并按照不同的領(lǐng)域含義對(duì)標(biāo)注這些目標(biāo)詞，從而實(shí)現(xiàn)專利實(shí)體的歧義消解，標(biāo)準(zhǔn)的消歧結(jié)果如下表所示。表3“載體”的實(shí)體相關(guān)詞的標(biāo)注結(jié)果相關(guān)詞標(biāo)注結(jié)果備注說明抗體DNA基因數(shù)據(jù)載體信道導(dǎo)體POC金屬載體1112233生物醫(yī)藥類載體生物醫(yī)藥類載體生物醫(yī)藥類載體數(shù)據(jù)通信類載體數(shù)據(jù)通信類載體工業(yè)領(lǐng)域載體工業(yè)領(lǐng)域載體4.2評(píng)價(jià)指標(biāo)專利實(shí)體消歧的目標(biāo)是將實(shí)體

21、相關(guān)詞利用層次聚類的方法劃分為不同的類別，因而使用聚類技術(shù)的評(píng)價(jià)方法評(píng)價(jià)實(shí)體消歧的有效性，本文使用的評(píng)價(jià)方法是基于人工判定的F-Measure值。已知實(shí)體相關(guān)詞標(biāo)注結(jié)果和聚類結(jié)果集，其中表示標(biāo)注結(jié)果中包含s個(gè)類別，表示聚類結(jié)果中包含的聚簇?cái)?shù)目是m。計(jì)算每個(gè)標(biāo)注類別在不同聚簇下的準(zhǔn)確率（Precision）、召回率（Recall）和聚類F值，其中聚類準(zhǔn)確率、召回率和F值的計(jì)算公式如下：，從中挑選最優(yōu)指標(biāo)值以及與其對(duì)應(yīng)的簇，并以該最優(yōu)的指標(biāo)值來判定的質(zhì)量，每個(gè)標(biāo)注類別的F值表示為。本次聚類結(jié)果的最終F值的表示為：4.3實(shí)驗(yàn)結(jié)果與分析=1*GB2*MERGEFORMAT聚類終止條件的閾值控制由于實(shí)體

22、消歧的過程就是層次聚類的過程，需要控制聚類的終止條件得到最終的消歧結(jié)果。本文使用了3種單獨(dú)的衰減方式（最大值衰減、最小值衰減、平均值衰減）以及它們之間相互融合的4種衰減方式，以控制了層次聚類的終止。7種衰減方式的聚類結(jié)果評(píng)價(jià)如下表所示。表4聚類終止條件控制結(jié)果展示RMaxRMinRAvgRMax+MinRMax+AvgRMin+AvgRAll0.67240.62880.65860.63210.62970.63040.7565從表中數(shù)據(jù)可得出結(jié)論，使用三種衰減方式相融合的衰減方式RAll得到最優(yōu)的聚類結(jié)果。在此基礎(chǔ)上，本文選取了4個(gè)候選的衰減度閾值0.2、0.3、0.4和0.5，分別在這4個(gè)閾值

23、的基礎(chǔ)上得出聚類的評(píng)測(cè)結(jié)果，如下表所示。表5不同衰減度水平的評(píng)價(jià)結(jié)果0.50.71010.74850.76180.7887從實(shí)驗(yàn)結(jié)果中可以看出，本文在使用三種衰減度融合的基礎(chǔ)上，并使用衰減度閾值為0.5的情況下，得到最優(yōu)的結(jié)果。=2*GB2*MERGEFORMAT消歧評(píng)測(cè)結(jié)果本文提出的專利實(shí)體消歧方法是基于IPC分類體系結(jié)合VSM生成相關(guān)詞的特征向量，并利用HAC算法進(jìn)行聚類分析的過程，因而本文提出方法的評(píng)價(jià)指標(biāo)采用的是層次聚類的評(píng)價(jià)方法F-Measure。將TF-IDF的特征表示法作為Baseline；在word2vec的詞向量表示法方面，使用了三種維度的特征向量表示；而在

24、基于IPC的特征表示法方法則使用了IPC的三個(gè)層次進(jìn)行特征向量的輔助生成。作為對(duì)比實(shí)驗(yàn)，本文引用了姜麗麗3的基于文檔的詞語相似度方法。本文在十個(gè)查詢中的結(jié)果如表6所示。表6十個(gè)查詢?cè)~的F值查詢?cè)~Baselineword2vec方法共現(xiàn)度方法IPC方法size=200size=250size=300PBCSC病毒0.72480.75710.75710.75710.91110.98430.9921緩沖器0.37110.65990.64610.64610.65890.61220.61220.569引擎0.38820.55680.55680.55680.35150.75910.75420.7941接口

25、0.63850.69890.69890.69890.65350.68580.68580.6858種子0.54880.68840.77930.77930.9230.93890.93420.9389粉碎機(jī)0.45880.52770.52770.52770.60350.68170.74810.6986過濾器0.53040.43550.46270.46270.55870.63270.69930.6549散熱器0.41280.45310.45310.45310.49590.72030.76830.752牽引器0.48220.41220.41220.41220.57920.76250.83260.7915

26、載體0.52170.63570.63570.63570.68050.82130.86090.7936Avg0.50770.58250.5930.5930.64160.760.78870.7678從實(shí)驗(yàn)結(jié)果可以看出，基于IPC的特征向量表示方法的聚類效果明顯優(yōu)于其他方法，且在IPC的3個(gè)層次上都獲得了較好的歧義消解結(jié)果?？傮w上看，此方法在大類的層次上獲得了最好的評(píng)價(jià)結(jié)果，因?yàn)樵诓康膶哟紊?，相關(guān)詞的特征向量維度是8，在低維空間上較稠密，不利于實(shí)體的歧義消解；而在小類層次上，特征向量又比較稀疏，使一些具有較高領(lǐng)域相關(guān)度的詞對(duì)，由于在很多特征維度上沒有交集，使它們的相關(guān)度較低，未被聚到一起，而影響最終

27、的消歧結(jié)果?；赥F-IDF的方法能夠反映的實(shí)體信息有限，大部分實(shí)體相關(guān)詞都是專利術(shù)語，其對(duì)應(yīng)的特征向量較稀疏，而特征向量的維度較大，在聚類過程中不利于形成明顯的聚簇，使聚類的準(zhǔn)確率降低。使用Word2vec工具生成的詞向量，能夠在一定程度上引入語義信息，但這種語義信息只是集中于一定范圍的上下文中，對(duì)于信息較為分散的專利文本，并沒有生成對(duì)歧義消解有幫助的特征向量。使用文檔共現(xiàn)度的信息表示法取得了不錯(cuò)的效果，但對(duì)于專利相關(guān)詞之間的關(guān)系，文檔共現(xiàn)信息不能完全體現(xiàn)詞對(duì)的相關(guān)性。5結(jié)論與展望本文提出了一種用于專利實(shí)體的實(shí)體消歧方法，在充分分析和利用專利文本特點(diǎn)的基礎(chǔ)上，利用IPC分類體系對(duì)專利實(shí)體進(jìn)行

28、消歧分析。充分利用IPC分類編號(hào)的特點(diǎn)，按照領(lǐng)域的歧義性，對(duì)實(shí)體相關(guān)詞進(jìn)行類別的劃分。本文在IPC體系的三個(gè)層次上分別利用詞頻、文檔頻率以及類別頻率等特征，得到能夠表達(dá)詞語領(lǐng)域標(biāo)識(shí)性的特征向量，再利用HAC算法對(duì)這些特征向量進(jìn)行聚類，得到的聚類結(jié)果就是實(shí)體消歧的結(jié)果。同時(shí)，為了驗(yàn)證本方法的有效性，本文還引入了其他三種方法做對(duì)比，分別是基于TF-IDF的向量表示法、Word2vec詞向量表示法以及文檔共現(xiàn)度信息表示法。結(jié)果表明，本文提出的方法能夠有效地實(shí)現(xiàn)專利實(shí)體的消歧。下一步的工作中，將嘗試在不同的IPC層次下的特征在領(lǐng)域不同上進(jìn)行混合和篩選。例如，在IPC的部的層次上，G類和H類都是與物理工

29、業(yè)相關(guān)的領(lǐng)域，可以考慮將二者合并；A類是“人類日常生活類”，其中包含的領(lǐng)域較復(fù)雜，可以考慮將A類特征按照不同領(lǐng)域進(jìn)行分解等。這樣，在新的IPC層次上進(jìn)行實(shí)驗(yàn)，以期獲得更好的效果。參考文獻(xiàn)(References)1鄧要武.科技報(bào)告、專利文獻(xiàn)和標(biāo)準(zhǔn)文獻(xiàn)資源檢索與利用.圖書館工作與研究J.2008(7):71-7412ZhengyanHe，ShujiLiu，MuLietal.LearningEntityRepresentationforEntityDisambiguationC.InproceedingsofAssociationofComputationalLanguage，2013：30-343

30、姜麗麗.實(shí)體搜索與實(shí)體解析方法研究D.蘭州：蘭州大學(xué)，2012.4A.Bagga，B.Baldwin.Entity-basedcross-documentcoreferencingusingthevectorspacemodelC.InProceedingsofthe36thAnnualMeetingoftheAssociationforComputationalLinguisticsandthe17thInternationalConferenceonComputationalLinguistics(COLING-ACL),1998：79-85.5R.Bekkerman，A.McCallum.Disambiguatingweb