基于关键词提取的专利在先技术搜索方法研究

专利在先搜索是专利检索的一种重要方法,在实际实施时,需从全文查询词中提取关键词来进行搜索。本文尝试研究用于查询词中关键词的提取的7种方法对专利搜索的功效。首先介绍了单频词去除、TF方法、TFIDF方法、BM25方法、基于语言模型的方法、基于相关反馈的方法以及基于IPC分类等7种关键词提取方法,然后开展了在两个不同CLEF-IP数据集上的大规模实验验证和评测工作,详细比较分析了这些方法及使用专利全文作为查询词在专利搜索中的不同性能和效率。实验结果表明,在信息检索中能取得不错结果的方法未必在专利搜索中取得同样的效果。论文亦发现一般选取65-95个关键词可以取得不错的结果。从准确率上来说,TFIDF方法性能最高,而基于IPC分类的方法可以提高召回率。