基于深度学习的专利文本分析方法研究

发布时间：2021-03-12 01:17

　　随着现代科学技术和信息技术的发展,专利分析（Patent Analysis）在衡量技术竞争力,预测技术趋势等方面发挥着不可替代的作用,在工业、商业、法律、学术界等多个领域得到广泛的应用。在专利分析领域,高效提取专利特征,度量相似专利是一项具有挑战性的任务。鉴于深度学习（Deeplearning,DL）方法在文本分类、情感分析等自然语言处理（Natural language processing,NLP）领域表现出来的优势,本文提出了一种基于深度学习的专利文本挖掘方法,旨在挖掘、提取和量化专利文本特征,为专利检索、相似专利度量等专利分析任务提供高质量的专利特征数据。本文提出了一套较为系统的专利文本特征提取方法。首先,结合专利文本结构特点和专利文本外表特征,构造出一种用于本方法的专利文本结构化数据集;然后,利用概率统计模型——主题模型（Topic model）对专利文本潜在的语义结构进行提取、降维和聚类,并依据聚类结果构造用于深度学习的训练集;接着,构建卷积神经网络（Convolutional neural network,CNN）模型,通过有监督学习的方式,提取和组合专利文本不同维度的关... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：99 页

【学位级别】：硕士

【部分图文】：

图１－２ＲＮＮ模型架构图｜１９Ｉ??为了解决ＲＮＮ的偏倚问题，ＣＮＮ将一个无偏倚问题的模型引入到文本处理??

图１?－４?Ｒｅｃｕｒｒｅｎｔ－ＣＮＮ模型架构图间??对四种神经网络模型优缺点总结如表１－１所示

图２－１?ＵＳＰＴＯ的ＸＭＬ格式专利文本结构（部分）??２．１．２专利文本相似度度量方法??，


本文编号：3077429