随着科学技术的进步和人类文明的发展,专利文本作为一种能够对研究者的知识产权进行保护的客观形式而吸引了越来越多学者的研究兴趣。专利文本具有文本结构复杂、篇幅较长、专业性较强等特点,而专利文本的关键词作为一篇专利文本的高度概括词汇,可以快速帮助读者定位到专利文本以及了解专利文本的主要内容,可见专利文本的关键词提取是一项重要且基础的工作。现有的大多数关键词提取结果可读性较差,且容易造成关键词冗余。本文以提高专利关键词提取结果的准确性为目标,重点研究了无监督的关键词提取算法在专利文本中的应用,主要研究内容为以下两个方面:第一个方面:针对通用领域的无监督的方法在应用到专利文本领域时,专利关键词提取结果准确性较低的问题,提出了一种基于专利要素约束的文本嵌入关键词提取方法,该方法可直接从专利文本中提取重要的关键词。实验结果表明,本方法在仅考虑单篇专利文本下提取准确率以及召回率均高于传统的TF-IDF关键词提取方法、Text Rank关键词提取方法、LDA关键词提取方法,具有更好的效果。第二个方面:针对目前主题模型对于专利文本的关键词提取任务质量不高的问题,提出了基于专利要素的LDA主题模型关键词提取方法,将专利要素与LDA提取出的候选关键词相结合,通过Borda排序算法得到高质量的关键词。结合已公开的专利对算法进行验证,结果表明新提出的提取方法相比单一的LDA、LSI提取算法,本方案具有较好的表现形式,且可以很好的应用在。本文结合专利要素对专利文本中的关键词进行提取,分别对无监督文本嵌入关键词提取方法和LDA主题模型算法进行了改进,从不同角度提高了关键词提取的准确率和多样性。