《表1 3类词位标注集定义》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CRFs的专利文献领域术语抽取方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

随着专利申请数量的逐渐增加，专利新生词也会不断出现，相关的领域术语会不断丰富，已有的领域词表很难适应分词词典的需要；并且领域术语中长术语居多，与普通词汇差距大，一般的分词工具很难实现对专业领域语料的准确分词，这些都为术语中的词语正确切分带来了挑战。由于分词的影响，导致某些统计特征的计算也存在误差。鉴于以上原因以及结合领域术语的特点，本文采用基于字级特征的CRFs术语抽取方法，把术语抽取过程看作对每个字的词位标注过程。同时为探讨不同词位标注集对抽取效果的影响，本文分别采用三词位、四词位和六词位标注集对字进行标注，各词位标注集定义见表1。在确定了每个字的词位标注后即可识别得到相应的术语，例如:“一种制备燃料电池催化剂方法”基于六词位可以标注为“一/O种/O制/O备/O燃/B料/S电/T池/I催/I化/I剂/E方/O法/O”，从中可以识别得到的术语为“燃料电池催化剂”。