专利检索新方法：基于自动查询扩展

"这篇论文是关于基于自动查询扩展的专利文档检索方法的研究，由羊帅、王锋等人撰写，探讨了如何改善专利检索中的用户意图理解和查询扩展问题。论文涉及的主要技术包括人工智能、专利检索、领域词表构建、查询扩展以及伪相关反馈技术。通过改进的TF-IDF公式建立专利领域词表，并利用伪相关反馈来优化查询，以提高检索的召回率和平均准确率。" 这篇论文的研究聚焦于解决专利检索领域的关键问题，即如何更好地理解和扩展用户的查询意图，以提升检索效果。当前的专利检索系统在理解和扩展用户查询方面存在不足，这导致检索结果可能不准确或不全面。为了解决这个问题，论文提出了一个基于自动查询扩展的专利文档检索新方法。 首先，该方法考虑了专利文档的特性，采用一种改进的TF-IDF公式来构建专利领域词表。TF-IDF是一种常见的文本检索中衡量词语重要性的统计方法，而这里的改进旨在更适应专利领域的语言特点，以准确地识别和提取领域关键词。 在检索阶段，系统会对用户输入的查询字符串进行分析，识别出关键词，并结合专利领域词表来确定查询的领域以及扩展的难易程度。这一过程有助于理解用户的实际需求，从而进行更有针对性的查询扩展。 接下来，论文采用了伪相关反馈技术。这是一种用于查询扩展的技术，通过分析与原始查询相关但未被检索到的文档（伪相关文档）中的术语分布，来生成新的查询扩展项。这些扩展项按照它们在伪相关文档中的重要性进行排序，然后与原始查询相结合，形成新的查询条件，从而扩大检索范围并提高检索精度。 实验结果显示，这种方法在提高检索召回率和平均准确率方面表现优秀。这意味着它能更有效地找出与用户查询相关的专利文献，降低了用户寻找所需信息的难度，对于专利检索系统的性能提升具有显著作用。 关键词涵盖了人工智能、专利检索、领域词表、查询扩展和伪相关反馈，这些都反映了论文的核心内容和技术手段。这篇论文提供了一种创新的解决方案，对提升专利检索效率和准确性有着重要的理论与实践价值。