基于深度学习的中文专利文本自动分类研究

发布时间：2025-01-09 02:54

　　专利文本作为重要信息的载体,对其实现自动分类具有重要的研究意义。随着大数据时代的到来,人们越来越重视知识产权,专利文件也越来越多,面临的问题就是如何对专利文件进行正确的检索与分类管理。目前对于专利的分类主要还是以人工为主,不仅耗时耗力,还不能保证分类的准确率。因此,迫切需要对专利文本进行自动分类,以提高专利分类效率与审查速度。针对上述情况,本文对中文专利文本分类主要做了以下研究:首先,针对海量的专利文本,提出一种基于Word2Vec和logistic回归的中文专利文本分类的机器学习方法。本方法利用Word2Vec产生的词向量对专利文本进行表示,然后配合logistic回归模型,对专利说明和摘要合并的文本语料进行学习和训练,从而实现对专利文本的自动分类。试验结果表明,本文提出的机器学习方法能够得到较好的分类效果,其中个别类别的分类准确率达到了 83.6%;并且与k近邻算法相比,该模型在精确度、召回率以及F1值上均有显著提高。另外,虽然Word2Vec模型相较one-hot编码、TF-IDF表示法而言,有显著提高分类的效果,但是它不能解决一词多义的问题。因此,为解决利用Word2Vec模型进...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１－１论文研宄框架??第一章是引言，主要包括专利文本分类的研究背景及意义、目前国内外的研??究现状

浙江科技学院硕士学位论文?第１章引言??ｆ?＼?，??Ｉ?引言?Ｉ??！?Ｌ?一?？?Ｊ??＼?＾＾＾＿?：??！?背景及意义?国内外研究现状?研究内容与结构｜??Ｉ?Ｖ?）?Ｖ?Ｊ?Ｖ?Ｊ?＼??Ｉ?广?Ｎ?Ｉ??；?ｆ专利文本分类相关?Ｉ??！?技术?：??ｊ?ｔ?一、＾＾?....

图２－１专利文本分类流程??

浙江科技学院硕士学位论文?第２章专利文本分类相关技术介绍??第２章专利文本分类相关技术介绍??２．１专利文本分类流程??专利文本是一种特殊的文本，大量专业术语的使用，行业特定的语言降低了??词汇密度，并可能导致算法的搜索空间稀疏。故意使用的非标准化语言可能会帮??助申请人扩大专利....

图２－２决策树示意图??决策树训练的过程其实是一个从训练集中归纳总结分类规则的过程，能对训??

浙江科技学院硕士学位论文?第２章专利文本分类相关技术介绍??型的树形结构表示基于特征对样本进行决策的过程［４８］。决策树不仅是一个递归??过程，还可以认为是定义在特征空间与类空间上的条件概率分布。根据损失函数??最小化原则在训练时利用训练集建立决策树模型，然后利用该模型在预测时对....

图３－１＇可知，ＣＢＯＷ的核心思想．是在Ｂ知上下文ｗ（ｔ＿２）、Ｗａ—Ｄ、ｗ（ｔ＋１）、??

Ｓｋｉｐ－ｇｒａｍ模型也加入一个投影层＞?但此投影层??只对输入的当前词汇的ｆｔ量进行加权，最后经过输出层输出当前词ｔ的Ｊ：下文词??汇：的词??输入?搜影?输：出?输入?＿?输出??ｗ（，－２）?＾?ｗｉｔ－＇Ｘ）??冰（，－１）｜?Ｎ．?＼ｗ（ｔ－ｌ）??????＞??？?＾....

本文编号：4025034