基于內(nèi)容分析的專利挖掘技術(shù)研究.pdf

1、近十幾年來，專利挖掘的研究越來越被重視。早先，專利研究主要基于在專利數(shù)據(jù)庫，近幾年，專利研究轉(zhuǎn)向基于自然語言處理的技術(shù)或者信息檢索的技術(shù)。推動專利挖掘技術(shù)發(fā)展的主要因素：一方面統(tǒng)計機(jī)器學(xué)習(xí)的方法不斷的發(fā)展和改進(jìn)，為解決專利挖掘以及自然語料處理提供了強(qiáng)大的方法論武器；另一方面，自然語言處理的技術(shù)以及信息檢索的技術(shù)的進(jìn)步，促進(jìn)了專利文本挖掘的發(fā)展。同時，專利挖掘的評測舉辦，為專利挖掘提供了技術(shù)交流的平臺，促進(jìn)了專利挖掘研究的進(jìn)步，并為專利文

2、本處理提供了發(fā)展的方向。
　　 本文通過研究專利文本的特點(diǎn)，對不同的訓(xùn)練語料做數(shù)據(jù)統(tǒng)計，分析專利挖掘任務(wù)中的難點(diǎn)問題?；谧匀徽Z言處理的專利挖掘技術(shù)，遇到幾大問題：(1)專利挖掘是一個大規(guī)模的文本分析任務(wù)；(2)專利文本內(nèi)容涉及到技術(shù)發(fā)展的各個領(lǐng)域，領(lǐng)域之間交叉現(xiàn)象嚴(yán)重，不利于文本分類；(3)專利文本在各個領(lǐng)域上數(shù)量分布不均衡，大量的類別下訓(xùn)練數(shù)據(jù)不充分；(4)專利文本的分類體系與傳統(tǒng)分類體系不同，尤其是國際專利分類標(biāo)準(zhǔn)，具有超

3、大規(guī)模的類別空間，多層次等特點(diǎn)；(5)專利的國際分類都是多標(biāo)簽標(biāo)記，因此專利分類是多標(biāo)簽的分類問題。上述幾個主要問題，決定了專利文本處理與傳統(tǒng)的文本處理的不同。
　　 本文圍繞專利挖掘任務(wù)中的問題，從不同的方面研究提高專利挖掘系統(tǒng)的性能。作者在前人的工作基礎(chǔ)上，綜合了多個領(lǐng)域的技術(shù)，提出了一些專利挖掘的處理技術(shù)。文本解決專利挖掘問題的主要技術(shù)：
　　 (1)本文采用基于自然處理的分類系統(tǒng)的框架，處理專利挖掘的任務(wù)。

4、>　　 (2)本文研究了在大規(guī)模的數(shù)據(jù)的分類問題，采用信息檢索中常用的檢索技術(shù)——倒排索引文檔——應(yīng)用到分類模型中，提高分類模型的計算速度。
　　 (3)本文提出了類別歸并的方法解決數(shù)據(jù)分布不均衡的問題。在國際專利分類系統(tǒng)下，大量的類別中數(shù)據(jù)樣本很少，采用多種歸并的方法將小類別聚合成大類別，解決分布不均衡的問題。
　　 (4)專利挖掘任務(wù)中，文本之間的相似度計算的是重要的研究環(huán)節(jié)。本文采用了多種相似度計算方法，在數(shù)據(jù)非

5、同源的任務(wù)中，BM25的計算方法性能較好，并比較穩(wěn)定。
　　 (5)本文提出了多種類別排序的決策方法。分類器給定樣本之間的相似度的方法，需要通過某種轉(zhuǎn)化的機(jī)制，映射成類別標(biāo)記的排序。文本提出了帶用類別信息的相似度加和的方法以及基于Log—linear模型的線性加和方法，對類別進(jìn)行Rank，實驗結(jié)果顯示帶用類別信息的相似度加和的方法以及基于Log—linear模型的線性加和方法性能較好。
　　 本文基于NTCIRT—7的專