基于深度学习的专利检索
发布时间：2021-04-22 18:56
近年来,随着物联网、机器人和人工智能等科学技术的日新月异,经济全球化趋势日趋明显。知识或智力资源（包括专著、专利、商标、科技论文等）的占有、配置、生产和运用已成为我国经济发展的重要依托,技术知识的重要性日益凸现。以知识为基础的产业在国内经济所占的比重不断提高,知识产权已成为国家之间、企业之间竞争的焦点。专利作为典型的知识产权,是衡量技术创新的重要指标,也是免于技术侵犯的法律保护手段。专利检索成为了研发过程中必不可少的一环。面向海量专利文献的检索与分析是一个综合领域,它的进展取决于自然语言处理、机器学习和信息检索等方面的研究。深度学习作为成为机器学习研究的一个新领域,旨在使机器学习能够更加地接近其最初的目标--人工智能。如何用深度学习方法,结合自然语言处理技术对专利进行检索与分析,对企业进行侵权分析建议、竞争对手建议、市场定位建议等方面都具有实际意义。对于专利检索来是根据检索人员给出的查询,返回与此查询相关的专利文本集合,并进行降序排列给用户使用。传统专利检索大多以机械式的语义匹配方式进行检索,通常不能达到检索人员的检索理念,而人工智能技术越来对多地运用于专利检索,通过分析与抽取待检专利...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：43 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 课题研究的国内外现状
1.3 本文主要研究内容和结构
1.3.1 本文主要研究内容
1.3.2 本文组织结构
第2章 相关技术介绍
2.1 系统相关技术
2.1.1 文本预处理技术
2.1.2 自然语言处理包NLTK
2.1.3 利用Python进行自然语言处理
2.2 深度学习基本概念
2.3 专利检索的常见方法介绍
2.4 本章小结
第3章 基于DAE和 DSSM的专利检索方法
3.1 专利文本关键词网络构建
3.2 专利扩展查询
3.3 降噪自编码器和DSSM结合进行排序
3.4 本章小结
第4章 实验结果与分析
4.1 系统环境搭建
4.2 专利文本预处理
4.3专利扩展实验
4.4 搜索结果排序
4.5 检索系统评价
4.6 本章小结
第5章 总结与展望
参考文献
作者简介
致谢
【参考文献】：
期刊论文
[1]基于深度学习的文本特征提取研究综述[J]. 张千,王庆玮,张悦,纪校锋,张宇翔,祝赫,赵昌志. 计算机技术与发展. 2019(12)
[2]基于词向量的专利自动扩展查询研究[J]. 刘梦兰,刘斌,彭智勇. 计算机工程与科学. 2017(12)
[3]专利查询扩展的词向量方法研究[J]. 许侃,林原,曲忱,徐博,林鸿飞. 计算机科学与探索. 2018(06)
[4]支持技术创新的专利检索与分析[J]. 刘斌,冯岭,王飞,彭智勇. 通信学报. 2016(03)
[5]场景图像分类技术综述[J]. 李学龙,史建华,董永生,陶大程. 中国科学:信息科学. 2015(07)
[6]数字图像处理技术的发展现状及趋势[J]. 张玮雄,刘建霞. 科学之友. 2012(06)
[7]基于本体的专利检索技术[J]. 陈芨熙,顾新建,陈国海,魏江. 浙江大学学报(工学版). 2009(12)
[8]基于NLP的信息检索[J]. 徐磊. 黑龙江教育学院学报. 2008(03)
博士论文
[1]面向专利检索的查询扩展研究[D]. 许侃.大连理工大学 2017
硕士论文
[1]深度学习下新型专利检索方法研究[D]. 刘梦兰.武汉大学 2018
[2]基于NLP词向量技术的大规模专利信息检索系统[D]. 白洋.天津大学 2018
[3]基于深度学习的中文文本情感分类及其在舆情分析中的应用研究[D]. 吴俊江.湘潭大学 2017
[4]深度学习的硬件实现与优化技术研究[D]. 林楗军.哈尔滨工业大学 2017
[5]基于深度学习的多文档自动文摘研究[D]. 王佳松.吉林大学 2017
[6]基于深度学习理论与方法的中文专利文本自动分类研究[D]. 马双刚.江苏大学 2016
[7]基于深度学习的情感词向量及文本情感分析的研究[D]. 张志华.华东师范大学 2016
[8]基于深度学习的自然场景文字识别[D]. 黄攀.浙江大学 2016
[9]基于稀疏表示和非下采样轮廓波变换的单幅图像超分辨率[D]. 王贺青.哈尔滨工业大学 2015
[10]基于Hadoop的专利价值挖掘关键技术研究[D]. 孙学斌.北京邮电大学 2014
本文编号：3154296
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：43 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 课题研究的国内外现状
1.3 本文主要研究内容和结构
1.3.1 本文主要研究内容
1.3.2 本文组织结构
第2章 相关技术介绍
2.1 系统相关技术
2.1.1 文本预处理技术
2.1.2 自然语言处理包NLTK
2.1.3 利用Python进行自然语言处理
2.2 深度学习基本概念
2.3 专利检索的常见方法介绍
2.4 本章小结
第3章 基于DAE和 DSSM的专利检索方法
3.1 专利文本关键词网络构建
3.2 专利扩展查询
3.3 降噪自编码器和DSSM结合进行排序
3.4 本章小结
第4章 实验结果与分析
4.1 系统环境搭建
4.2 专利文本预处理
4.3专利扩展实验
4.4 搜索结果排序
4.5 检索系统评价
4.6 本章小结
第5章 总结与展望
参考文献
作者简介
致谢
【参考文献】：
期刊论文
[1]基于深度学习的文本特征提取研究综述[J]. 张千,王庆玮,张悦,纪校锋,张宇翔,祝赫,赵昌志. 计算机技术与发展. 2019(12)
[2]基于词向量的专利自动扩展查询研究[J]. 刘梦兰,刘斌,彭智勇. 计算机工程与科学. 2017(12)
[3]专利查询扩展的词向量方法研究[J]. 许侃,林原,曲忱,徐博,林鸿飞. 计算机科学与探索. 2018(06)
[4]支持技术创新的专利检索与分析[J]. 刘斌,冯岭,王飞,彭智勇. 通信学报. 2016(03)
[5]场景图像分类技术综述[J]. 李学龙,史建华,董永生,陶大程. 中国科学:信息科学. 2015(07)
[6]数字图像处理技术的发展现状及趋势[J]. 张玮雄,刘建霞. 科学之友. 2012(06)
[7]基于本体的专利检索技术[J]. 陈芨熙,顾新建,陈国海,魏江. 浙江大学学报(工学版). 2009(12)
[8]基于NLP的信息检索[J]. 徐磊. 黑龙江教育学院学报. 2008(03)
博士论文
[1]面向专利检索的查询扩展研究[D]. 许侃.大连理工大学 2017
硕士论文
[1]深度学习下新型专利检索方法研究[D]. 刘梦兰.武汉大学 2018
[2]基于NLP词向量技术的大规模专利信息检索系统[D]. 白洋.天津大学 2018
[3]基于深度学习的中文文本情感分类及其在舆情分析中的应用研究[D]. 吴俊江.湘潭大学 2017
[4]深度学习的硬件实现与优化技术研究[D]. 林楗军.哈尔滨工业大学 2017
[5]基于深度学习的多文档自动文摘研究[D]. 王佳松.吉林大学 2017
[6]基于深度学习理论与方法的中文专利文本自动分类研究[D]. 马双刚.江苏大学 2016
[7]基于深度学习的情感词向量及文本情感分析的研究[D]. 张志华.华东师范大学 2016
[8]基于深度学习的自然场景文字识别[D]. 黄攀.浙江大学 2016
[9]基于稀疏表示和非下采样轮廓波变换的单幅图像超分辨率[D]. 王贺青.哈尔滨工业大学 2015
[10]基于Hadoop的专利价值挖掘关键技术研究[D]. 孙学斌.北京邮电大学 2014
本文编号：3154296
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3154296.html
最近更新
教材专著
