文本相似度计算一直是自然语言处理任务的难点，尤其是在垂直领域。为了解决中医药领域专利文本相似度计算问题，我们提了出Segment-KBERT模型，该模型解决BERT模型字数的限制，同时引入知识图谱，这样模型就可以提取出专利文本的更多的特征信息，从而计算专利文本间的相似度，得到的专利相似度数据用于辅助专利推荐或者检索。
Segment-KBERT模型架构
K-BERT模型架构
数据集
我们的数据来源于中医领域专利数据库中，每篇中医专利由标题、摘要、权利要求和说明书组成。我们整理构建了一个专利相似度计算任务的数据集，包含43603条数据。每条数据由2篇专利文本和标签组成。
知识图谱
OurKG是我们构建的中医药知识图谱。我们使用人工采集结合机器自动采集来提取领域命名实体（如：功效作用、中药异名、性味归经等相关的实体），提取的三元组与我们的中医专利数据高度相关，一共包含96138个三元组。
实验结果
| Dataset | Model | Kg | Acc. |
|---|---|---|---|
| Tcm(spe1+spe2+spe3) | Segment-KBET | OurKG | 77.80 |
| Tcm(abs+spe1+spe2) | Segment-KBER | OurKG | 76.07 |
| Tcm(abs+spe1+spe3) | Segment-KBER | OurKG | 79.20 |
note：选取3个segment输入到模型中，共享模型参数，abs表示专利的摘要段落，spe1表示专利说明书的首段，spe2表示说明书的中间段，spe3表示说明书的尾段。
