基于表示學(xué)習(xí)的圖書館專利信息語義融合模型研究

[摘 要]在對表示學(xué)習(xí)、圖書館專利信息、圖書館專利信息語義融合、基于表示學(xué)習(xí)的圖書館專利信息語義融合相關(guān)研究進(jìn)行概述的基礎(chǔ)上，分析表示學(xué)習(xí)在圖書館專利信息語義融合中的優(yōu)勢，通過對圖書館專利信息語義實(shí)體描述，從專利實(shí)體類、機(jī)構(gòu)類、人員類、事件類、內(nèi)容類及各類的核心屬性5個(gè)維度構(gòu)建了基于表示學(xué)習(xí)的圖書館專利信息語義融合模型，旨在促進(jìn)圖書館為用戶提供專業(yè)的專利信息語義檢索服務(wù)。

[關(guān)鍵詞]表示學(xué)習(xí) 圖書館專利信息 語義融合模型

[分類號]G205

表示學(xué)習(xí)（Representation learning）是人工智能學(xué)科與圖情專業(yè)研究的新熱點(diǎn)，作為圖情信息數(shù)據(jù)實(shí)現(xiàn)語義檢索和智慧學(xué)習(xí)的新技術(shù)、新方法，其主要功能是將復(fù)雜信息數(shù)據(jù)中的語義實(shí)體、核心屬性與關(guān)系表示到低維向量空間，通過向量空間的語義測量工具測試語義實(shí)體間的距離，由智能系統(tǒng)學(xué)習(xí)語義實(shí)體的分布式表示狀態(tài)，從而實(shí)現(xiàn)知識(shí)數(shù)據(jù)的深層次關(guān)聯(lián)和序列化表示，并借助語義結(jié)構(gòu)可視化圖譜進(jìn)行可視化顯示，進(jìn)而為用戶提供專業(yè)的智慧語義檢索服務(wù)。美國科學(xué)數(shù)據(jù)研究中心（Center for Scientific Data Research of America，CSDRA）是國外較早開展表示學(xué)習(xí)的科學(xué)專利數(shù)據(jù)語義融合機(jī)構(gòu)，在實(shí)現(xiàn)跨學(xué)科、跨機(jī)構(gòu)的科學(xué)專利數(shù)據(jù)語義融合中采用表示學(xué)習(xí)技術(shù)已取得初步成效[1]。而國內(nèi)圖書館專利信息語義融合領(lǐng)域?qū)Ρ硎緦W(xué)習(xí)的實(shí)踐應(yīng)用尚處于空白，針對基于表示學(xué)習(xí)的專利信息語義融合模型構(gòu)建更為少見。因此，筆者在剖析表示學(xué)習(xí)、圖書館專利信息及表示學(xué)習(xí)在圖書館專利信息語義融合模型相關(guān)研究的基礎(chǔ)上，通過對圖書館專利信息進(jìn)行語義描述、構(gòu)建語義實(shí)體及核心屬性的方式設(shè)計(jì)了圖書館專利信息語義融合模型，為圖書館提供專業(yè)專利信息語義檢索服務(wù)提供參考和借鑒。

1 相關(guān)研究概述

1.1 表示學(xué)習(xí)的內(nèi)涵

表示學(xué)習(xí)在人工智能領(lǐng)域也稱為“學(xué)習(xí)表示”，主要被應(yīng)用在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域，“表示”是指通過模型參數(shù)、應(yīng)用何種形式、何種方式表示模型輸入的觀測樣本X[2]。表示學(xué)習(xí)是指智能系統(tǒng)或者學(xué)習(xí)模型對觀測樣本X的有效表示[3]。簡單而言，表示學(xué)習(xí)是通過機(jī)器訓(xùn)練獲取深度學(xué)習(xí)特征的技術(shù)集合，是將多源異構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)槟鼙粰C(jī)器識(shí)別、獲取、使用和學(xué)習(xí)的結(jié)構(gòu)化數(shù)據(jù)的一種方式，賦予了智能系統(tǒng)“學(xué)習(xí)如何學(xué)習(xí)”的能力[4]。

1.2 圖書館專利信息內(nèi)涵及類型

1.2.1 圖書館專利信息內(nèi)涵

圖書館專利信息是指圖書館以專利產(chǎn)權(quán)信息、專利資源信息、專利知識(shí)成果、專利文獻(xiàn)為基礎(chǔ)，通過分解、加工、整合、標(biāo)引、統(tǒng)計(jì)、分析、轉(zhuǎn)化等一系列信息處理手段，并綜合應(yīng)用多種信息處理方式構(gòu)建形成與專利技術(shù)、專利文獻(xiàn)及專利知識(shí)成果有關(guān)的各種信息集合[5]。圖書館面向用戶提供專利信息服務(wù)，包括專利查新、專利檢索、專利信息使用現(xiàn)狀分析、專利資源分布統(tǒng)計(jì)、專項(xiàng)知識(shí)產(chǎn)權(quán)分析、企業(yè)專利應(yīng)用現(xiàn)狀分析、特殊技術(shù)領(lǐng)域?qū)＠治觥＠夹g(shù)成果分析與預(yù)警服務(wù)等[6]。

1.2.2 圖書館專利信息類型

圖書館專利信息按照內(nèi)容、來源可以劃分為技術(shù)信息、法律信息、經(jīng)濟(jì)信息、著錄信息和戰(zhàn)略信息。（1）技術(shù)信息是指在實(shí)用新型專利、外觀設(shè)計(jì)專利、發(fā)明專利的專利說明書、權(quán)利要求書、圖表、摘要、介紹等專利文獻(xiàn)中闡述的與技術(shù)有關(guān)的信息，或是通過專利文獻(xiàn)檢索匯總形成專利報(bào)告及其他文獻(xiàn)提供與專利有關(guān)的技術(shù)信息。（2）法律信息是指在專利的權(quán)利要求書、專利公報(bào)及登記簿等專利文獻(xiàn)中記載的與權(quán)利保護(hù)及有效性相關(guān)的信息。（3）經(jīng)濟(jì)信息是指在專利文獻(xiàn)中記錄與行業(yè)、組織和政府經(jīng)濟(jì)活動(dòng)具有密切聯(lián)系的信息。（4）著錄信息是指和專利文獻(xiàn)中著錄項(xiàng)目高度關(guān)聯(lián)的信息，如專利權(quán)人信息、發(fā)明人信息、專利申請?zhí)枴鴦e信息等。（5）戰(zhàn)略信息是指通過對上述技術(shù)信息、法律信息、經(jīng)濟(jì)信息、著錄信息進(jìn)行聚合、分析、加工形成的具有戰(zhàn)略特征的技術(shù)信息或經(jīng)濟(jì)信息。如通過對專利文獻(xiàn)信息整合加工形成的技術(shù)評估報(bào)告、戰(zhàn)略決策報(bào)告等。

1.3 圖書館專利信息語義融合相關(guān)研究

圖書館專利信息語義融合的相關(guān)研究源于1990年后人工智能領(lǐng)域自然語言處理技術(shù)的發(fā)展。隨著近年來科學(xué)數(shù)據(jù)開放運(yùn)動(dòng)（Scientific data open movement）的發(fā)展，一些科技大國在圖書館專利信息語義描述、語義關(guān)聯(lián)等方面研究進(jìn)展加快，并涌現(xiàn)出一批有代表性的研究成果，主要集中在以下兩個(gè)方面。

（1）圖書館專利信息語義模型的研究。基于用戶專利信息使用需求構(gòu)建實(shí)現(xiàn)精準(zhǔn)檢索、大數(shù)據(jù)分析和精準(zhǔn)推薦的專利信息語義融合模型是實(shí)現(xiàn)圖書館專利信息語義融合的基礎(chǔ)。國外相關(guān)研究成果主要借助專利信息元數(shù)據(jù)語義描述、本體構(gòu)建、RDF Schema集成模型等語義技術(shù)，通過對圖書館專利信息對象的關(guān)系識(shí)別、關(guān)系屬性描述、情境關(guān)系抓取、關(guān)聯(lián)結(jié)構(gòu)密封[7]，實(shí)現(xiàn)專利信息對象、關(guān)聯(lián)關(guān)系的語義表達(dá)，為圖書館專利信息資源整合構(gòu)建RDA、BIB等語義模型。

（2）圖書館專利信息語義關(guān)系的發(fā)現(xiàn)研究。實(shí)現(xiàn)圖書館專利信息的語義描述，并借助語義描述挖掘?qū)＠畔ο蟮恼Z義關(guān)聯(lián)聯(lián)系，構(gòu)建語義融合模型，實(shí)現(xiàn)專利信息語義關(guān)聯(lián)關(guān)系的發(fā)現(xiàn)與識(shí)別。當(dāng)前，西方學(xué)者關(guān)注圖書館專利語義關(guān)聯(lián)關(guān)系算法工具與發(fā)現(xiàn)工具的應(yīng)用，如美國專利事務(wù)局為加州大學(xué)圖書館設(shè)計(jì)了專利信息識(shí)別和發(fā)現(xiàn)語義相似度算法，能夠精準(zhǔn)識(shí)別圖書館專利信息中的潛在語義關(guān)聯(lián)關(guān)系[8]。同時(shí)，歐洲“Patent data integration”項(xiàng)目對圖書館開放的專利數(shù)據(jù)云設(shè)計(jì)了可供用戶直接使用的語義關(guān)聯(lián)工具，用于發(fā)現(xiàn)不同主題專利信息的語義關(guān)聯(lián)關(guān)系[9]。

1.4 基于表示學(xué)習(xí)的圖書館專利信息語義融合研究

從當(dāng)前學(xué)界的研究趨勢來看，借助知識(shí)抽取、數(shù)據(jù)挖掘、語義抽取技術(shù)促進(jìn)專利信息融合是圖書館專利信息服務(wù)發(fā)展進(jìn)程中要解決的核心問題。圖書館促進(jìn)專利信息語義融合的根本目的是促進(jìn)不同類型、學(xué)科、領(lǐng)域、行業(yè)的專利信息資源聚合成為主題專利信息資源集，便于用戶精準(zhǔn)檢索并通過檢索結(jié)果進(jìn)行知識(shí)發(fā)現(xiàn)和技術(shù)創(chuàng)新，進(jìn)而將圖書館專利信息的價(jià)值最大程度發(fā)揮出來[10]。翟東升等認(rèn)為，表示學(xué)習(xí)應(yīng)用到圖書館專利信息中是將專利信息的語義信息表示成低維連續(xù)的向量，兩個(gè)專利信息對象的空間距離越近則說明其語義相似度越高[11]。楊宏章等將表示學(xué)習(xí)應(yīng)用到圖書館專利信息語義聚合過程中發(fā)現(xiàn)，表示學(xué)習(xí)是將圖書館專利信息的實(shí)體和關(guān)系嵌入低維連續(xù)向量空間，并學(xué)習(xí)這些專利信息實(shí)體與關(guān)系的分布式表示[12]。周雷等認(rèn)為，表示學(xué)習(xí)應(yīng)用到圖書館專利信息語義融合過程不僅能清晰度量實(shí)體、表示實(shí)體、揭示實(shí)體與關(guān)系間的語義關(guān)聯(lián)，還能促進(jìn)學(xué)習(xí)模型提高計(jì)算效率，促進(jìn)異構(gòu)化專利信息數(shù)據(jù)融合[13]。綜上來看，基于表示學(xué)習(xí)促進(jìn)圖書館專利信息語義融合已成為圖情界學(xué)者的共識(shí)，并成為圖書館實(shí)現(xiàn)精準(zhǔn)化專利信息服務(wù)的重要前提，應(yīng)用表示學(xué)習(xí)技術(shù)構(gòu)建科學(xué)有效的專利信息語義融合模型能推動(dòng)專利信息智慧分析、深度挖掘、精準(zhǔn)檢索，為用戶的專利決策和技術(shù)創(chuàng)新提供支持。

2 表示學(xué)習(xí)在圖書館專利信息語義融合中的優(yōu)勢作用

表示學(xué)習(xí)作為語義信息較為有效的表示方式，將信息數(shù)據(jù)表示成兩個(gè)可直接使用與參考的低維向量，通過對兩個(gè)對象空間距離測量，測試其語義相似度。因此，表示學(xué)習(xí)借助其技術(shù)優(yōu)勢可以為圖書館實(shí)現(xiàn)專利信息語義融合提供保障。

2.1 為圖書館專利信息語義融合提供統(tǒng)一標(biāo)準(zhǔn)

表示學(xué)習(xí)為信息數(shù)據(jù)存儲(chǔ)、管理、組織與標(biāo)準(zhǔn)化處理提供了簡單、標(biāo)準(zhǔn)的技術(shù)機(jī)制，通常借助實(shí)體（Entity）、關(guān)系（Relation）以及相關(guān)屬性信息結(jié)構(gòu)化的符號表示形式描述信息資源的概念及相互關(guān)系，由知識(shí)三元組（頭實(shí)體、關(guān)系、尾實(shí)體）進(jìn)行可視化表達(dá)，并將實(shí)體和關(guān)系嵌入低維連續(xù)向量空間學(xué)習(xí)它們的分布表示[14]。表示學(xué)習(xí)的基礎(chǔ)結(jié)構(gòu)是知識(shí)圖譜，而知識(shí)圖譜具有的知識(shí)三元組為圖書館專利信息標(biāo)識(shí)提供了基本方法，采用統(tǒng)一的標(biāo)記結(jié)構(gòu)標(biāo)識(shí)專利信息，創(chuàng)建具有唯一標(biāo)識(shí)且不可更改的對象名稱；表示學(xué)習(xí)中對語義信息向低維向量的轉(zhuǎn)化為圖書館專利信息提供了統(tǒng)一的表示模型，可以使不同結(jié)構(gòu)、不同形式的專利信息在表示模型上具有一致性，借助算法工具學(xué)習(xí)它們的分布式表示形式，而無需考慮其表示形式的轉(zhuǎn)化。OWL是表示學(xué)習(xí)中常用的本體描述語言，可以準(zhǔn)確對專利信息的語義實(shí)體及關(guān)聯(lián)關(guān)系進(jìn)行描述；HTTP協(xié)議是表示學(xué)習(xí)應(yīng)用的統(tǒng)一存取機(jī)制，是專利信息實(shí)體和關(guān)系嵌入低維向量空間的分布式表示的統(tǒng)一接口[15]，使所有的程序訪問具有統(tǒng)一的標(biāo)準(zhǔn)，實(shí)現(xiàn)圖書館專利信息更深層次的開放獲取。用戶在進(jìn)行專利信息檢索過程中，HTTP協(xié)議提供了統(tǒng)一的標(biāo)準(zhǔn)化訪問接口，用戶可直接通過SPARQL查詢專利信息。

2.2 促進(jìn)圖書館專利信息整體融合

基于表示學(xué)習(xí)的專利信息語義網(wǎng)絡(luò)可以將不同來源的專利信息及其相關(guān)數(shù)據(jù)進(jìn)行融合，能將多種結(jié)構(gòu)、類型、形態(tài)的分散的專利信息源融合關(guān)聯(lián)，為用戶提供該項(xiàng)專利所有相關(guān)數(shù)據(jù)的知識(shí)圖譜，允許用戶在不同類型專利信息源檢索瀏覽，并提供不同主題的專利信息數(shù)據(jù)集供用戶參考與決策，降低了圖書館融合多源專利信息數(shù)據(jù)的復(fù)雜性。同時(shí)，基于表示學(xué)習(xí)的圖書館專利信息語義融合不僅可以融合同一主題的專利信息，還能對不同學(xué)科、不同領(lǐng)域的專利信息建立關(guān)聯(lián)關(guān)系，使專利發(fā)明人、專利名稱、技術(shù)領(lǐng)域、專利說明、專利權(quán)類型、授權(quán)號、專利發(fā)布時(shí)間、專利權(quán)利范圍、專利申請國等信息融合在一起，真正實(shí)現(xiàn)圖書館專利信息的整體融合。

2.3 實(shí)現(xiàn)圖書館專利信息語義服務(wù)

首先，表示學(xué)習(xí)可以為圖書館分布式、異構(gòu)化的專利信息提供語義融合的可視化圖譜，專利產(chǎn)權(quán)人發(fā)布的專利信息可以通過統(tǒng)一的端口發(fā)布，用戶可以借助統(tǒng)一的操作界面登錄檢索查詢[16]。同時(shí)，用戶可通過語義檢索的方式獲取圖書館專利信息，清晰探察專利信息語義本體，更精準(zhǔn)掌握專利信息的關(guān)聯(lián)結(jié)構(gòu)。其次，圖書館應(yīng)用表示學(xué)習(xí)實(shí)現(xiàn)專利信息語義融合還能將專利信息通過語義瀏覽和語義推薦的方式直接呈現(xiàn)給用戶，并對重點(diǎn)內(nèi)容做出解釋，方便用戶理解。再次，基于表示學(xué)習(xí)的圖書館專利信息語義融合還能使專利發(fā)布者進(jìn)行分布式的內(nèi)容創(chuàng)建，語義融合模型能高效搜集發(fā)布者創(chuàng)建的內(nèi)容，并進(jìn)行統(tǒng)一存儲(chǔ)，借助知識(shí)圖譜呈現(xiàn)給用戶[17]。最后，圖書館基于表示學(xué)習(xí)的語義門戶網(wǎng)站可以為專利產(chǎn)權(quán)人提供專業(yè)、共享、低成本的發(fā)布渠道，并實(shí)現(xiàn)專利產(chǎn)權(quán)的快速認(rèn)證和共享。

3 基于表示學(xué)習(xí)的圖書館專利信息語義融合模型構(gòu)建

基于表示學(xué)習(xí)的圖書館專利信息語義融合模型重視將專利信息中的語義實(shí)體與關(guān)系表示成為低維連續(xù)向量，并對兩個(gè)鄰近對象的空間距離進(jìn)行測量，探察二者語義相似度，同時(shí)學(xué)習(xí)它們的分布式表示。圖書館專利信息涉及較多的語義本體，在描述專利信息時(shí)要建立本體間的關(guān)系，將這些關(guān)系精準(zhǔn)描述并嵌入低維向量空間，構(gòu)建一個(gè)完整反映專利信息特征的語義融合模型，從而形成更完整的語義融合系統(tǒng)。

在語義融合模型構(gòu)建中，可能用到的詞匯表如表1所示，其中P-information（the Patent Information）是自定義詞匯表，用來擴(kuò)展現(xiàn)有詞匯表與本體無法滿足的圖書館專利信息詞匯。

將圖書館專利信息劃分為專利實(shí)體類（cr：Patent）、機(jī)構(gòu)類（foaf：Organization）、人員類（foaf：Person）、事件類（event：Event）和內(nèi)容類（pi：Patent content）。根據(jù)圖書館專利信息類別的不同，通過構(gòu)建圖書館各類專利信息的屬性對應(yīng)，最大程度應(yīng)用詞匯表中的詞匯與本體，從而構(gòu)建圖書館專利信息語義融合模型。

（1）專利實(shí)體類及核心屬性

專利實(shí)體是圖書館專利信息的基本構(gòu)成內(nèi)容，也是對專利實(shí)體特征的描述，可以建立與其他類的關(guān)聯(lián)關(guān)系。專利實(shí)體類的主要屬性包括專利名稱、專利權(quán)人、技術(shù)領(lǐng)域、發(fā)明內(nèi)容、專利權(quán)類型、授權(quán)號、發(fā)布時(shí)間、專利申請國、專利說明9個(gè)核心屬性，如表2所示。

（2）機(jī)構(gòu)類及核心屬性

我國專利機(jī)構(gòu)按照性質(zhì)和類別的不同，主要分為專利代理機(jī)構(gòu)、科研院所機(jī)構(gòu)、科技成果轉(zhuǎn)化機(jī)構(gòu)、科技企業(yè)等。根據(jù)專利來源機(jī)構(gòu)名錄編制細(xì)則，專利機(jī)構(gòu)的核心屬性包括機(jī)構(gòu)名稱、機(jī)構(gòu)類型、地址、郵編、電話、網(wǎng)站、主要負(fù)責(zé)人7個(gè)核心屬性，如表3所示。

（3）人員類及核心屬性

專利領(lǐng)域相關(guān)人員分為3類：一是專利發(fā)明者和相關(guān)專利權(quán)人、繼承者等；二是專利的研究人員、科研學(xué)者和技術(shù)專家；三是圖書館等信息機(jī)構(gòu)從事專利信息領(lǐng)域的工作人員。這些與圖書館專利信息相關(guān)的人員包括姓名、性別、出生日期、工作單位、專利研究類型、籍貫、個(gè)人介紹、職稱8個(gè)核心屬性，如表4所示。

（4）事件類及核心屬性

事件類是指與專利相關(guān)事件及專利使用等各種活動(dòng)具有密切關(guān)聯(lián)的事件，包括事件產(chǎn)生地點(diǎn)、事件發(fā)生時(shí)間、事件主題、事件描述、子事件、事件人物6個(gè)核心屬性，如表5所示。在圖書館專利信息語義融合中可以使用event表示事件及相關(guān)屬性，表示為event：Event類。

（5）內(nèi)容類及其核心屬性

圖書館專利信息內(nèi)容主要由技術(shù)信息、法律信息、經(jīng)濟(jì)信息、著錄信息、戰(zhàn)略信息組成，并且每種專利信息包括文本說明、演示圖片、展示視頻、數(shù)字模型和音頻資料等。因此，每類專利信息內(nèi)容的核心屬性類型可以劃分為信息名稱、信息類型、存儲(chǔ)格式、表示內(nèi)容、發(fā)布時(shí)間、發(fā)明者、產(chǎn)權(quán)所屬人、保存機(jī)構(gòu)8個(gè)核心屬性，通過專利信息內(nèi)容屬性與專利實(shí)體進(jìn)行意義融合，如表6所示。

在對圖書館專利信息類和核心屬性定義后，可以根據(jù)類與核心屬性間的關(guān)聯(lián)關(guān)系建立語義融合模型。考慮到圖書館專利信息是由技術(shù)信息、經(jīng)濟(jì)信息、著錄信息、法律信息組成，則專利信息內(nèi)容類還包括4個(gè)子類，分別是技術(shù)信息類（pd：Patent" Technology）、經(jīng)濟(jì)信息類（pd：Patent Economy）、著錄信息類（pd：Patent Record）、法律信息類（pd：Patent law）。其中對象屬性swrc：affiliation和swrc：leader建立了機(jī)構(gòu)類和人員類的語義關(guān)聯(lián)；實(shí)體屬性foaf：organization和dc：patent release建立了專利機(jī)構(gòu)和專利實(shí)體間的語義關(guān)聯(lián)；實(shí)體屬性Pi：content建立了專利實(shí)體類和專利內(nèi)容類間的語義關(guān)聯(lián)；核心屬性event：agent建立起事件類、人員類和機(jī)構(gòu)類間的語義關(guān)聯(lián)；屬性dc：creator建立起人員類和專利實(shí)體類間的語義關(guān)聯(lián)。類間的語義關(guān)聯(lián)是建立圖書館專利信息語義融合模型的基礎(chǔ)。本研究所涉及的5個(gè)實(shí)體類可以通過Place地點(diǎn)本體、Time時(shí)間本體和Patent information信息集與這5類之外的其他類融合，通過核心屬性event：place和swrc：address和地點(diǎn)（Place）建立語義關(guān)聯(lián)；通過dc：Patent type與Patent information信息集建立語義關(guān)聯(lián)；通過屬性event：time、dc：time和foaf：birthday與時(shí)間Time進(jìn)行語義融合，形成更為豐富的語義融合模型，并將專利信息中的語義實(shí)體與關(guān)系映射到低維向量空間進(jìn)行表示，由語義測量工具測量實(shí)體間的距離，展示語義相似度。智能系統(tǒng)學(xué)習(xí)實(shí)體與關(guān)系的分布表示方式，形成專利信息語義檢索圖譜，為用戶提供專業(yè)的專利信息語義檢索服務(wù)，如圖1所示。

4 結(jié)語

筆者立足國內(nèi)圖書館專利信息語義融合建設(shè)及檢索的現(xiàn)實(shí)需求，概述表示學(xué)習(xí)、圖書館專利信息類型、圖書館專利信息語義融合、表示學(xué)習(xí)應(yīng)用于圖書館專利信息語義融合的相關(guān)研究，辨析表示學(xué)習(xí)應(yīng)用于圖書館專利信息語義融合的優(yōu)勢作用，通過對圖書館專利信息進(jìn)行語義描述、構(gòu)建語義實(shí)體、挖掘核心屬性的方法建立了基于表示學(xué)習(xí)的圖書館專利信息語義融合模型。在理論和技術(shù)層面初步實(shí)現(xiàn)了基于表示學(xué)習(xí)的較為完整的專利信息語義融合，為圖書館解決專利信息語義融合及檢索問題，實(shí)現(xiàn)更便捷高效的專利信息語義檢索服務(wù)提供了思路。

參考文獻(xiàn)：

[1] 王慧妍，于明鶴，于戈.基于深度學(xué)習(xí)的異質(zhì)信息網(wǎng)絡(luò)表示學(xué)習(xí)方法綜述[J].計(jì)算機(jī)科學(xué)，2023（5）：103-114.

[2] 李松，等.融合文本描述和層次類型的知識(shí)表示學(xué)習(xí)方法[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版，2023（5）：911-920.

[3] 李雅婷，等.面向視覺數(shù)據(jù)處理與分析的解耦表示學(xué)習(xí)綜述[J].中國圖象圖形學(xué)報(bào)，2023（4）：903-934.

[4] 李志飛，趙月，張龑.基于表示學(xué)習(xí)的知識(shí)圖譜推理研究綜述[J].計(jì)算機(jī)科學(xué)，2023（3）：94-113.

[5] 常改.“雙一流”高校圖書館專利信息服務(wù)現(xiàn)狀及對策[J].四川圖書館學(xué)報(bào)，2022（5）：79-83.

[6] 張更平，等.高校圖書館專利信息服務(wù)能力影響因素研究[J].圖書館學(xué)研究，2022（3）：41-51.

[7] Yun S，et al.Technological trend mining： identifying new technology opportunities using patent semantic analysis[J]. Information Processing and Management，2022（4）：102993.

[8] Zhipeng Q，Zheng W. Technology Forecasting Based on Semantic and Citation Analysis of Patents：A Case of Robotics Domain[J]. IEEE Transactions on Engineering Management，2022（4）：1216-1236.

[9] Orions Digital Systems Inc. Patent Issued for Tagonomy-A System And Method Of Semantic Web Tagging （USPTO 10146865）[J]. Information Technology Newsweekly，2018.

[10] 藺艷艷.面向?qū)＠畔⑻幚淼恼Z義分析方法研究[D].鎮(zhèn)江：江蘇科技大學(xué)，2019.

[11] 翟東升，等.基于圖形數(shù)據(jù)庫的專利語義知識(shí)庫構(gòu)建技術(shù)研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2016（12）：66-75.

[12] 楊宏章，付靜.利用專利文本結(jié)構(gòu)化特征構(gòu)建專利信息智能語義檢索系統(tǒng)的方法[J].情報(bào)理論與實(shí)踐，2015（4）：136-138，98.

[13] 周雷，李穎，石崇德.面向技術(shù)機(jī)會(huì)發(fā)現(xiàn)TOD的專利信息抽取——韓國科學(xué)技術(shù)信息研究院KISTI語義服務(wù)[J].情報(bào)工程，2015（2）：31-37.

[14] 梁艷琪.基于關(guān)聯(lián)數(shù)據(jù)的文物數(shù)字資源語義融合與服務(wù)研究[D].武漢：華中師范大學(xué)，2017.

[15] 王萍，黃新平.基于關(guān)聯(lián)開放數(shù)據(jù)的數(shù)字文化資源語義融合方法研究——?dú)W洲數(shù)字圖書館案例分析[J].圖書情報(bào)工作，2016（12）：29-37.

[16] 曹志鵬，潘定，潘啟亮.基于表示學(xué)習(xí)的雙層知識(shí)網(wǎng)絡(luò)鏈路預(yù)測[J].情報(bào)學(xué)報(bào)，2021（2）：135-144.

[17] 劉菁婕.基于表示學(xué)習(xí)的跨語言相關(guān)專利推薦研究[D].南京：南京理工大學(xué)，2020.

陳隆葵 男，1973年生。本科學(xué)歷，副研究館員。研究方向：圖書館管理與服務(wù)。

（收稿日期：2023-06-26；責(zé)編：劉清揚(yáng)。）