[发明专利]一种关键词自动抽取方法

说明书

本发明涉及一种关键词自动抽取方法，包括：抽取技术标准中的通用词，抽取候选关键词，针对候选关键词过滤通用词后，综合位置特征、词共现特征以及上下文语义特征计算候选关键词权重得分，根据候选关键词权重得分范围计算动态阈值，利用动态阈值确定结果关键词。本发明提供的关键词自动抽取方法，融合位置特征、词共现特征以及上下文语义特征抽取关键词，综合考虑文档内部位置以及上下文语义特征对关键词的权重影响，达到了更高的正确率和召回率，提高了3GPP技术标准检索质量，降低了人工成本，可以很好地满足实际应用的需要。

技术领域

本发明属于关键词自动抽取技术领域，具体涉及一种面向3GPP技术标准的关键词自动抽取方法。

背景技术

移动通信技术的蓬勃发展给人类社会带来了划时代的变革。作为通信领域前沿技术的规范制定者，第三代合作伙伴计划(The 3rd Generation Partnership Project，简称3GPP)致力于推广基于演进的全球移动通信(GSM)核心网络(包括WCDMA、TD-SCDMAE、EDGE等)的3G标准。

近年来，大型通信科技公司之间关于专利侵权诉讼纠纷的案例屡见不鲜，发明专利权的稳定性受到前所未有的挑战。3GPP技术标准在通信专利审查工作中扮演着无法替代的重要角色。

3GPP技术标准是通信领域专利审查工作中特有的一类科技型非专利文献，通常作为对比文件来衡量通信领域申请专利的创造性和新颖性。

典型的3GPP技术标准Cover中主要包含标准号、发布号、文档标题以及版本号信息，Forword部分解释版本号，Scope部分声明应用范围，Reference部分给出参考文献列表，Definitions and abbreviations部分列出文档的重要定义及缩写，Topic body分章节具体介绍技术背景及细节，Annex主要涉及版本改变历史。

此外，3GPP技术标准与专利文献之间还存在相互引用的关联关系，其与专利文献间的区别如表1所示。

表1专利文献与3GPP技术标准区别

从表1中可以看出，3GPP技术标准具有自身独特的组织结构和类型。实际专利审查中主要关注的是技术规范(Technical Specification，TS)、技术报告(Technical Report，TR)以及会议文件。其中，技术规范和技术报告集中描述了技术相关规定、原理、仿真以及实验结果，会议文件主要记录各工作组具体的会议信息。相对而言，技术规范和技术报告内容格式相近，且承载的核心技术信息较为丰富，蕴藏着更大的挖掘价值。

在实际专利审查中，3GPP技术标准的检索主要依据审查员手工选取的关键词展开。检索结果的好坏往往依赖于关键词的质量，这种传统方式不仅耗时耗力，而且很难保证对比文件的命中率。相比专利文献，3GPP技术标准具有覆盖面广、信息量大、格式不规整以及可读性弱的特点，这些特点直接决定了3GPP技术标准较专利文献在自动抽取关键词方面具有更高的难度。因此，提高3GPP技术标准关键词的自动抽取效果不仅有助于提升通信专利审查效率，而且对维护专利授权稳定性具有重大意义。