基于奇异值分解的专利术语层次关系解析研究

奇异值分解是矩阵分析中常用的分解技术，在高维数据的降维、去噪方面有着广泛的应用。本文将矩阵的奇异值分解技术应用到领域专利术语的层次关系解析中，其核心思想是术语语义空间的深度转换，旨在用某种潜在特征代替文档作为属性来表示术语。具体研究包括，基于位置加权的原始术语．文档语义空间的构建方法、基于奇异值分解的术语特征抽取方法、基于术语．特征语义空间的术语层次关系解析方法。本文对论述的理论方法进行了实证研究，证实了该方法的可行性和有效性，并在此基础上实现较大规模的钢铁冶金领域专利术语层次关系解析，将解析结果纳入到本体学习理论体系中，实现该领域专利术语的知识本体化与可视化。