基于LDA模型的專利文本分類及演化研究.pdf

1、專利文獻(xiàn)是技術(shù)情報(bào)的載體，它的文本中隱藏了大量的技術(shù)情報(bào)信息，是技術(shù)情報(bào)消息的最佳情報(bào)來源。隨著新中國(guó)的快速發(fā)展，我國(guó)專利的申請(qǐng)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?qǐng)量之首。因此，對(duì)于這些海量專利文獻(xiàn)的信息挖掘技術(shù)的研發(fā)，已成為國(guó)家和企業(yè)研究的共同熱點(diǎn)。
　　LDA模型是典型的概率主題模型，目前已廣泛應(yīng)用在自然語(yǔ)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(yīng)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(duì)專利文本進(jìn)行分類及演化研究，本文具體的研究?jī)?nèi)容如下：
　?。?）首先概述幾種傳統(tǒng)的概率主題模型并對(duì)它們作簡(jiǎn)要的敘述，再對(duì)本文算法應(yīng)用的 LDA模型進(jìn)行詳細(xì)的描述，介紹其的相關(guān)數(shù)學(xué)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(duì)傳統(tǒng)專利文本自動(dòng)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(duì)專利文本語(yǔ)料庫(kù)建模，提取專利文本的文檔-主題和主題-特征詞矩陣，達(dá)到降維目的和提取文檔間的語(yǔ)義聯(lián)系，引入類的類-主題矩陣，為類進(jìn)行主題語(yǔ)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(shí)驗(yàn)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(duì)比，此方法能夠獲得更高的分類評(píng)估指數(shù)。
　?。?）運(yùn)用概率主題模型全面研究專利文獻(xiàn)主題演化，發(fā)現(xiàn)專利技術(shù)發(fā)展趨勢(shì)。LDA