面向领域的指标挖掘方法研究与系统实现

发布时间：2024-01-30 04:07

　　随着世界创新驱动的发展,科技技术受到前所未有的关注。尤其近年来,随着专利申请数量的增多,互联网平台涌现大量的非结构化专利文本数据。这些数据中蕴含很多科技技术发展关键指标,如何从专利文本数据中有效地挖掘指标,为专利对比评估和企业技术评估提供参考依据是本文研究的重点。因此,本文提出面向领域的指标挖掘方法研究与系统实现,具体工作如下:通过调研国内外专利文本数据研究和文本指标词挖掘研究现状,结合其他学者对专利文本内容挖掘和文本指标词挖掘研究属性特点,总结了面向领域专利文本指标词挖掘的特征选取形式,利用文本挖掘的基础特征以及专利文本指标词的位置信息和周围修饰词特点,构建以N-gram、词性、动词+名词、动词+形容词+名词、动词+副词+名词、动词+形容词+副词+名词、动词+形容词+数量词+名词等七个属性特征作为专利文本指标词挖掘研究特征,结合现有的依存句法分析技术和Word2Vector进行特征工程处理。面向领域指标挖掘方法模型选择。在基于BP神经网络的指标挖掘方法模型中,利用BP神经网络的非线性映射能力和自适应能力进行指标词预测,根据经验公式计算隐含层神经元个数范围,训练模型寻找MSE最小时神经...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 研究内容及创新点
        1.2.1 研究内容
        1.2.2 创新点
    1.3 组织结构与研究框架图
        1.3.1 组织结构
        1.3.2 研究框架图
    1.4 本章小结
第二章 相关研究及技术概述
    2.1 研究现状
        2.1.1 专利文本挖掘研究
        2.1.2 文本指标挖掘研究
    2.2 相关技术介绍
        2.2.1 词向量
        2.2.2 依存句法分析
        2.2.3 BP神经网络模型
        2.2.4 贝叶斯神经网络模型
    2.3 本章小结
第三章 面向领域的指标挖掘方法
    3.1 问题提出
    3.2 基本概念
    3.3 基于BP神经网络模型指标挖掘方法
        3.3.1 BP模型的指标挖掘理论依据
        3.3.2 BP模型的指标挖掘结构设计
        3.3.3 BP模型的指标挖掘实现步骤
        3.3.4 BP模型的指标挖掘应用算法流程
    3.4 基于贝叶斯神经网络模型领域指标挖掘方法
        3.4.1 BNN模型的指标挖掘理论依据
        3.4.2 BNN模型的指标挖掘结构设计
        3.4.3 BNN模型的指标挖掘实现步骤
        3.4.4 BNN模型的指标挖掘应用算法流程
    3.5 本章小节
第四章 实验设计与结果可视化分析
    4.1 实验准备
        4.1.1 实验数据描述
        4.1.2 特征工程处理
        4.1.3 模型评价指标
    4.2 基于BP神经网络模型的指标挖掘实验
        4.2.1 参数选取
        4.2.2 实验结果分析
    4.3 基于贝叶斯神经网络模型的指标挖掘实验
        4.3.1 参数选取
        4.3.2 实验结果分析
    4.4 模型实验结果对比分析
    4.5 本章小结
第五章 面向领域的指标挖掘系统实现
    5.1 系统开发环境
    5.2 系统设计
        5.2.1 系统总体框架设计
        5.2.2 系统功能模块设计
    5.3 系统实现
        5.3.1 系统管理模块实现
        5.3.2 文件上传模块实现
        5.3.3 指标展示模块实现
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 研究不足与未来展望
参考文献
致谢



本文编号：3889468