：XXXX一种用于专利实体的实体消歧方法王琰炎，王裴岩，蔡东风（沈阳航空航天大学知识工程与人机交互研究中心，沈阳，110136）摘要：专利实体是用以表述专利、实用新型或外观设计的具有实际意义的实体，作为专利文本的核心内容，专利实体是专利文本中最值得实体搜索用户关注的焦点。专利实体搜索是专利技术方案信息抽取的第一步，而专利实体消歧是专利实体搜索中最重要的操作，是将具有领域歧义性的专利实体相关词，按照实体不同的领域含义，划分为不同类别的过程。将实体搜索技术应用于中文专利摘要文本，并在实体搜索过程中使用了实体消歧技术，得到用户最关注的实体相关信息。本文在充分分析了专利摘要文本的特点的基础上，提出一种面向专利实体的消歧方法。本文使用基于IPC和向量空间模型的词向量表示法，结合凝聚式层次聚类算法，得到专利实体消歧结果。根据对比实验的结果能够得出结论，本方法能够实现准确的实体消歧，评测结果高达78.9%。关键词：专利实体、实体搜索、实体消歧、IPC、凝聚式层次聚类：TP391.1文献标识码：AAnEntityDisambiguationMethodforPatentEntityWANGYan-yan，WANGPei-yan，CAIDong-feng(KnowledgeEngineeringResearchCenter，ShenyangAerospaceUniversity，Shenyang110136)Abstract:PatentEntityisasignificantentitythatusedtoexpresspatents,utilitymodels,andappearancedesign,asthekernelofpatenttext,patententityistheabsolutefocusofentitysearchusers.PatentEntitySearchisthefirststepofPatentInformationExtraction,andtheentitydisambiguationofpatentisthemostimportantoperationofPatentEntitySearch,whichisdividerelativewordstodifferenttypesaccordingtodifferentdomains.ApplyentitysearchtechnologytotheabstracttextofChinesepatent,makeuseofthetechnologyofentitydisambiguation,whichcangettherelativeinformationthattheuserconcerned.Thispaperproposeadisambiguationmethodonthebasisofanalyzingthefeatureoftheabstracttextofpatentadequately.CombinedwithHAC,thispaperhavegottentheresultofdisambiguationbyusingthewordvectorrepresentationonthebasisofIPCandVectorSpaceModel,combinedwithHAC.Accordingtotheparallelexperiments,wecometotheconclusionthatthemethodcoulddisambiguateaccuratelywiththemeasurevalueof78.9percent.Keywords：PatentEntity,EntitySearch,EntityDisambiguation,IPC,HAC专利文本是集技术情报、法律情报和经济情报于一体的实用知识载体，是极为重要的科技信息[1]。专利实体作为专利文本中的核心对象，研究价值较高。专利实体的消歧是专利实体搜索的核心步骤，目标是解决专利实体搜索中同名实体的歧义问题，帮助用户准确定位目标信息。在专利文本的基础上进行实体消歧，就是将具有领域歧义的实体相关词按照不同的领域含义划分为不同的类别。因此，专利实体上的歧义消解实际上就是目标词的聚类过程，消歧结果的好坏就取决于聚类中目标词向量的原始特征选择。本文尝试了三种不同的特征选取方法，将目标词表示成特征向量，再进行类别划分。经过实验验证，使用基于IPC分类的特征生成目标词向量的方法取得了更好的效果。本文共分为5部分内容，第1部分介绍了国内外的相关研究，第2部分介绍了本文提出的三种相关词特征向量表示方法，第3部分介绍了使用聚类算法进行专利实体消歧的过程，第4部分则是实验和分析，最后一部分是本文得出的结论与展望。1相关研究实体消歧问题是当下比较热点的研究问题，国内外的大多熟研究从两个角度解决实体歧义造成的影响，分别是通过寻求更高质量的特征和引入外部资源辅助消解。在特征选取方面，何正焱[2]利用DNN（深度神经网络）方法，提出了一种文档和实体的相似度为框架的消歧模型；姜丽丽[3]提出了一种基于带权图结构的框架来实现人物实体的消歧工作，并使用实体标签对每个人物实体进行标注；Bagga和Baldwin[4]将不同文档间上下文的相似度作为特征实现实体消歧的；R.Bekkerman和A.McCallum[5]则结合了社交网络的链接信息和聚类两种非监督的框架对社交网络中...