基于自然语言处理的专利文档自动语义标注方法研究

被引量 : 0次 | 上传用户:kongjiahao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息社会的不断发展,人们所产出的知识以几何级数递增。在当今知识管理体系中,文档仍为一个主要的知识存在形式,它包括了图书、报纸、期刊和万维网上数以亿记的各种格式文本文件。这种非结构化的文档中的知识很难为些工具所利用以达到快速获取信息的目的,因此我们十分需要一种有效的从非结构化、半结构化文档中获取知识的方法。常见的信息抽取方案有基于网页结构、基于文档结构的,也有基于文档内容分析的,但缺乏领域语义的支持。本文分析了一种非结构化文档:专利文档的特点,研究了国内外经典的语义标注方法,并提出了一种基于自然语言处理的专利文档自动语义标注方法,用于从专利文档中自动的抽取出语义信息,生成结构化文档。方法首先对专利文本进行预处理,提取专利头部信息和对正文信息进行专利分词;然后通过专利名称进行文档模式发现,加载对应的标注规则将正文切分、识别、标注。最终用轻量化本体描述语言OWL Lite描述专利的语义,生成标注片段。本文建立了自动语义标注框架,并对其中的关键技术做了研究,包括:专利头部信息预处理方法、专利文档的中文分词技术、标注规则的获取、基于专利名称的文档模式发现、基于语义规则的语义信息提取方法。为了完善专利语义的框架,本文对专利领域进行语义建模,通过引入通用本体、领域本体建立对专利语义信息的完整支持。最后,本文在英国谢菲尔德大学(The University of Sheffield)提出的一个广为应用的知识抽取与文档处理开源框架GATE的基础之上,对提出的基于自然语言处理的专利文档自动语义标注方法的关键部分进行了实现,并与GATE中的原有中文处理系统ANNIE做出比对。
其他文献
诚信问题已经成为制约我国注册会计师行业健康发展的重要因素,本文从诚信的概念、诚信缺失的原因、危害、对策等方面对注册会计师的诚信问题进行探讨。
房屋买卖中的合同诈骗行为方式宜作扩张解释。被认定为诈骗罪的被害人不一定是最后损失承担者。刑法上认定合同诈骗成立,不必然导致民事领域该合同无效。合同效力的认定及房
MicroRNA(miRNA)是人类体内重要的转录后调控因子,参与细胞分化、增殖以及凋亡等多个细胞生物学过程。miRNA表达谱的变化与肿瘤的发生发展密切相关,miRNA既可以是癌基因,也可
从内容的科学性、情景的真实性、思维的开放性以及解题过程的探究性等方面选择高考复习题是提高高考复习教学的有效性重要途径.
远处传来一阵凄凉的狗吠声。原来是枝头两只争巢的乌鸦不小心挤落了太阳,惊醒了它悠闲的清梦。四周的天空渐渐地充满了幻景。天上的星星把远处近处的万家灯火一颗颗地点亮,夜
目的:观察邓铁涛教授经验方邓氏冠心胶囊治疗冠心病心绞痛气虚痰瘀型的临床疗效。方法:选择符合WHO标准,至少有4个月以上典型劳力型心绞痛患者90例,随机分为3组,分别用邓氏冠
合适成年人在场权是指未成年犯罪嫌疑人在侦查讯问等刑事诉讼活动中所享有的应有合适的成年人到场参与的权利。合适成年人的到场,改变了讯问程序的封闭性和未成年犯罪嫌疑人
发放最低生活保障金是党中央对城镇低收入家庭关心和爱护的具体措施之一,但是对城镇居民中的弱式群体来说,国家的救济政策能否得到切实的落实、能否达到政策的预期目的,是福
在金融全球化趋势下,银行合并已成为一种必然趋势。与此相应,维护金融安全应成为银行合并和集中领域中反垄断法的最重要的价值取向。反垄断法律制度应当从传统垄断法上的较为