[1]刘宇飞 尹 力 张 凯 杨建中 郑文江.基于深度迁移学习的技术术语识别*———以数控系统领域为例[J].情报杂志,2019,(10):168.
点击复制

基于深度迁移学习的技术术语识别*———以数控系统领域为例()
分享到:

《情报杂志》[ISSN:1002-1965/CN:61-1167/G3]

卷:
期数:
2019年10期
页码:
168
栏目:
出版日期:
2019-10-10

文章信息/Info

Title:
Deep Transfer Learning for Technical Term Extraction—A Case Study in Computer Numerical Control System
作者:
刘宇飞12 尹 力3 张 凯3 杨建中3 郑文江2
1. 清华大学公共管理学院 北京 100084;2. 中国工程院战略咨询中心 北京 100088;3. 华中科技大学机械科学与工程学院 武汉 430074
关键词:
新兴技术预见命名实体识别深度迁移学习数控系统专利分析
摘要:
[目的/ 意义]新兴术语识别是新兴技术预见的一项重要工作,专利文献是技术情报的最新来源,被广泛地用于新兴技术预见。专利文献易于使用,但是术语难以挖掘、抽取难度大,存在缺乏术语标签的问题,目前未发现针对专利文献运用命名实体识别(NER)抽取技术术语的研究。[ 方法/ 过程] 该文引入深度迁移学习的思想,利用成熟的公共领域源数据,运用Bi-LSTM(双向长短时记忆) 模型实现跨领域迁移,有效识别技术术语并过滤高频非术语词串,通过聚类对识别术语划分技术类别。[结果/ 结论]以数控系统(CNC)领域专利文献为例,模型有效地将公共领域源数据已有知识迁移到科学领域目标数据,解决了专利文献少标注的问题,识别术语领域相关性强。以此划分的技术类别能为领域技术发展趋势研究提供数据支持。
更新日期/Last Update: 1900-01-01