摘要：专利检索与普通的文本检索有着极大的不同，专利文本包括权利声明、摘要、全文等不同部分，自然不能简单地将普通文本的检索方法应用到专利检索当中来。专利检索通常面临着召回率低下的问题，首先，由于专利文本具有极强的专业性，有着复杂的术语表达方式，用户输入的关键词通常无法明确捕捉到检索意图，导致检索结果不理想。其次，专利撰写时有意识地制造与众不同的词汇，导致相关专利无法被检索到。目前有很多的研究方法都旨在提高专利检索的召回率，但是仍然有许多问题有待解决，检索效果有待改善。提出了一个基于词向量的专利自动扩展查询方法，在词向量的基础上，构建一个关键词查询网络，通过稠密子图发现算法来寻找扩展词集合，提高扩展词的有效性。在CLEF—IP2012数据集的基础上进行了充分的实验，实验结果表明，本文提出的算法能够保证扩展词集获取的灵活性和有效性，同时能进一步提高专利检索的召回率。

关键词：专利检索 扩展查询 词向量 深度学习 

单位：武汉大学软件工程国家重点实验室; 湖北武汉430072; 武汉大学计算机学院; 湖北武汉430072