基于LDA模型的專利文本分類及演化研究.pdf

1、專利文獻是技術(shù)情報的載體，它的文本中隱藏了大量的技術(shù)情報信息，是技術(shù)情報消息的最佳情報來源。隨著新中國的快速發(fā)展，我國專利的申請數(shù)量已在逐年升高，至2016年已經(jīng)連續(xù)第五年蟬聯(lián)全球?qū)＠暾埩恐?。因此，對于這些海量專利文獻的信息挖掘技術(shù)的研發(fā)，已成為國家和企業(yè)研究的共同熱點。
　　LDA模型是典型的概率主題模型，目前已廣泛應用在自然語言處理、數(shù)據(jù)挖掘和人工智能等領(lǐng)域，用來分析文本的分類和演化問題。其中概率主題模型很少應用在專利文本

2、的相關(guān)研究中，故本文在現(xiàn)有專利文本信息挖掘技術(shù)框架的基礎(chǔ)上，采用 LDA模型對專利文本進行分類及演化研究，本文具體的研究內(nèi)容如下：
　　（1）首先概述幾種傳統(tǒng)的概率主題模型并對它們作簡要的敘述，再對本文算法應用的 LDA模型進行詳細的描述，介紹其的相關(guān)數(shù)學概率分布和參數(shù)推斷算法，最后回顧專利文本中的一些典型的分類算法和演化分析方法。
　?。?）針對傳統(tǒng)專利文本自動分類方法中，使用向量空間模型文本表示方法存在的問題，提出一種基

3、于LDA模型專利文本分類方法。該方法利用LDA主題模型對專利文本語料庫建模，提取專利文本的文檔-主題和主題-特征詞矩陣，達到降維目的和提取文檔間的語義聯(lián)系，引入類的類-主題矩陣，為類進行主題語義拓展，使用主題相似度構(gòu)造層次分類，小類采用KNN分類方法。實驗結(jié)果：與基于向量空間文本表示模型的KNN專利文本分類方法對比，此方法能夠獲得更高的分類評估指數(shù)。
　　（3）運用概率主題模型全面研究專利文獻主題演化，發(fā)現(xiàn)專利技術(shù)發(fā)展趨勢。LDA