中英双语专利信息检索及主题聚类研究
这是一篇关于双语专利信息检索,双语词典,词义消歧,双语专利主题聚类,双语专利分析的论文, 主要内容为专利文献是规模庞大的信息源,是科技研究成果的重要表现形式,能够反映领域内科技成果与技术发展的最新动态,在科研、经济、法律等领域有举足轻重的地位。随着中国市场经济的迅猛发展与经济全球化日益深化,专利冲突与专利壁垒深深困扰着广大中国企业与研发机构,专利侵权、专利保护也成为关注重点,对外国专利的研究与利用越发重要。本文围绕中英双语专利研究中英双语专利信息检索,帮助专利分析者通过双语检索准确获得相关国内外专利文献,并基于主题演化的主题聚类方法研究中英双语专利主题聚类,分析中英双语专利的主题分布及演化,从实际需求出发开发了系统原型实现双语检索与双语专利主题聚类功能,并以"3D打印"领域双语专利给出应用实例。本文综合各种跨语言信息检索实现方法与专利信息特征提出基于词典的提问式翻译双语专利信息检索方案,该检索方案通过构建基础双语词典、专业双语词典与双语专利平行语料并建立相互辅助的关系为提问式提供准确翻译,基础双语词典与专业词典互为补充,同时利用双语平行语料库构建双语空间进行歧义消解;利用向量空间模型表示专利文献标题与摘要索引,并构建专利检索匹配方案。最后进行了领域内小规模检索实验验证了检索方案的可行性与基于双语平行语料库歧义消解的可用性。本文在构建中英双语专利词典与双语信息检索的基础上深入专利文档标题和摘要采用HDP主题模型进行主题聚类分析,利用HDP主题模型将专利文档表示为一组主题的概率分布,可以深入专利文档语义层次挖掘潜在技术主题。按照时间窗口划分专利集合分别进行主题聚类,分析专利主题分布与演化,研究技术主题之间关系,并用"3D打印"领域双语专利进行实例分析。从实际应用角度出发,基于J2EE平台开发了中英双语专利信息检索与主题聚类分析系统,实现了中英双语专利信息检索、中英双语专利主题聚类与词典语料管理功能,对主题聚类结果进行可视化展示。
基于双向循环神经网络的中文词义消歧模型的研究
这是一篇关于词义消歧,自然语言处理,循环神经网络,注意力机制,词向量的论文, 主要内容为词义消歧是自然语言处理领域中一项重要的基础性任务。汉语中存在大量多义词汇,容易使得计算机在处理自然语言时产生歧义。词义消歧旨在根据多义词的上下文通过计算的方式确定该词汇在特定语境中的正确含义。进入21世纪,随着深度学习的不断发展,人们发现深度学习在处理大规模数据任务中表现出优越的性能。近年来,深度学习被逐渐用于自然语言处理任务中。中文词义消歧起步晚难度大,目前采用深度学习的方法研究中文词义消歧任务还处于起步阶段,中文语义知识和语料数据的匮乏阻碍了中文词义消歧的发展。鉴于上述问题,本文对基于循环神经网络的词义消歧方法进行研究并做了如下工作:首先,总结了基于深度学习的词义消歧模型的研究现状,通过实验对比了各种基于神经网络的消歧模型的消歧效果,决定采用双向长短时记忆网络作为基础网络模型来研究中文词义消歧任务。使用词嵌入技术将无词特征标注的语料用高维的词向量表示,使网络能够自动捕捉上下文特征信息。进一步,然后将Encoder-Decoder(编码器-解码器)框架与双向长短时记忆网络结合对中文词义消歧模型进行研究,并结合注意力机制,提出了基于 seq2seq和交互注意力机制的消歧模型,进一步提升了模型对多义词的预测准确率。最后,本文尝试在模型中引入卷积神经网络中的池化层来进一步解决由于使用高维词向量和复杂的网络结构带来的过拟合问题。实验采用了 2021年全国知识图谱与语义计算大会竞赛数据集对模型进行训练和测试。通过对比实验发现,基于双向长短时记忆网络的消歧模型相较于其他神经网络消歧模型的的消歧效果是最优的,其预测准确率达到了 86.75%,F1值达到了 0.8765。本文所提出的两种模型的消歧效果均有所提升,效果最好的是基于seq2seq和交互注意力机制的消歧模型,其预测准确率达到了92.81%,F1值达到了 0.9375。实验结果证明了:(1)基于深度学习的词义消歧模型中,使用Bi-LSTM的模型消歧效果是最好的;(2)将encode-decode框架结合Bi-LSTM构建词义消歧模型的做法是可行的也是有效的;(3)交互注意力机制可以有效地提高词义消歧模型的消歧准确率;(4)将卷积神经网络的池化层引入到循环神经网络中也可以有效防止过拟合的发生。
军事需求文档的术语识别和一致性检验技术研究
这是一篇关于军事需求文档,术语识别,词义消歧,知识库,词向量的论文, 主要内容为军事需求文档产生于军事项目的开展过程中,用于阐述军事项目本身的目的、要实现的功能等。对军事需求文档进行术语识别和一致性检验,可以自动抽取出文档中的关键信息要素,帮助有关工作人员快速定位军事术语,也有利于构建军事知识图谱,从而更好地服务军事工作。其中,一致性检验的重点在于对识别出的术语进行词义消歧。本文从以下几个方面展开。首先,对术语识别和词义消歧的国内外研究现状进行分析,对一些典型的术语识别和词义消歧的典型方法和相关知识进行了介绍。为了对军事需求文档进行术语识别,本文提出了一种基于构词规则和迭代筛选的无监督术语识别方法。该方法总结了军事术语的构词规则,通过构词规则筛选出候选术语集,然后利用已有的军事术语库对候选术语集进行迭代筛选,从而获得高质量术语。本文利用术语库将真实标注的待识别术语分为三种类型,并通过实验探讨该方法对三种类型军事术语的识别效果以及总体的识别效果。为了对识别出的术语进行消歧,本文提出一种方法,该方法重点在于词向量融合与特征的融合。首先,该方法融合了两种词向量,形成了一种新的词向量,将两种词向量的优势互为补充。然后,选用基于知识库的消歧方法,通过加权融合待消歧术语与实体候选项的两种特征相似度,进行消歧,并通过实验探讨该方法的消歧效果。
中英双语专利信息检索及主题聚类研究
这是一篇关于双语专利信息检索,双语词典,词义消歧,双语专利主题聚类,双语专利分析的论文, 主要内容为专利文献是规模庞大的信息源,是科技研究成果的重要表现形式,能够反映领域内科技成果与技术发展的最新动态,在科研、经济、法律等领域有举足轻重的地位。随着中国市场经济的迅猛发展与经济全球化日益深化,专利冲突与专利壁垒深深困扰着广大中国企业与研发机构,专利侵权、专利保护也成为关注重点,对外国专利的研究与利用越发重要。本文围绕中英双语专利研究中英双语专利信息检索,帮助专利分析者通过双语检索准确获得相关国内外专利文献,并基于主题演化的主题聚类方法研究中英双语专利主题聚类,分析中英双语专利的主题分布及演化,从实际需求出发开发了系统原型实现双语检索与双语专利主题聚类功能,并以"3D打印"领域双语专利给出应用实例。本文综合各种跨语言信息检索实现方法与专利信息特征提出基于词典的提问式翻译双语专利信息检索方案,该检索方案通过构建基础双语词典、专业双语词典与双语专利平行语料并建立相互辅助的关系为提问式提供准确翻译,基础双语词典与专业词典互为补充,同时利用双语平行语料库构建双语空间进行歧义消解;利用向量空间模型表示专利文献标题与摘要索引,并构建专利检索匹配方案。最后进行了领域内小规模检索实验验证了检索方案的可行性与基于双语平行语料库歧义消解的可用性。本文在构建中英双语专利词典与双语信息检索的基础上深入专利文档标题和摘要采用HDP主题模型进行主题聚类分析,利用HDP主题模型将专利文档表示为一组主题的概率分布,可以深入专利文档语义层次挖掘潜在技术主题。按照时间窗口划分专利集合分别进行主题聚类,分析专利主题分布与演化,研究技术主题之间关系,并用"3D打印"领域双语专利进行实例分析。从实际应用角度出发,基于J2EE平台开发了中英双语专利信息检索与主题聚类分析系统,实现了中英双语专利信息检索、中英双语专利主题聚类与词典语料管理功能,对主题聚类结果进行可视化展示。
军事需求文档的术语识别和一致性检验技术研究
这是一篇关于军事需求文档,术语识别,词义消歧,知识库,词向量的论文, 主要内容为军事需求文档产生于军事项目的开展过程中,用于阐述军事项目本身的目的、要实现的功能等。对军事需求文档进行术语识别和一致性检验,可以自动抽取出文档中的关键信息要素,帮助有关工作人员快速定位军事术语,也有利于构建军事知识图谱,从而更好地服务军事工作。其中,一致性检验的重点在于对识别出的术语进行词义消歧。本文从以下几个方面展开。首先,对术语识别和词义消歧的国内外研究现状进行分析,对一些典型的术语识别和词义消歧的典型方法和相关知识进行了介绍。为了对军事需求文档进行术语识别,本文提出了一种基于构词规则和迭代筛选的无监督术语识别方法。该方法总结了军事术语的构词规则,通过构词规则筛选出候选术语集,然后利用已有的军事术语库对候选术语集进行迭代筛选,从而获得高质量术语。本文利用术语库将真实标注的待识别术语分为三种类型,并通过实验探讨该方法对三种类型军事术语的识别效果以及总体的识别效果。为了对识别出的术语进行消歧,本文提出一种方法,该方法重点在于词向量融合与特征的融合。首先,该方法融合了两种词向量,形成了一种新的词向量,将两种词向量的优势互为补充。然后,选用基于知识库的消歧方法,通过加权融合待消歧术语与实体候选项的两种特征相似度,进行消歧,并通过实验探讨该方法的消歧效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设工厂 ，原文地址：https://m.bishedaima.com/lunwen/54015.html
