融合主题化表达的专利分类方法研究

发布时间：2025-06-26 05:45

　　作为创新载体的专利中隐藏着大量的技术和效应知识,实现基于效应的专利分类可以让设计者通过阅读不同领域中使用相同效应的专利,使其思维得到极大的延伸和拓展,为其创新提供帮助。目前基于效应的专利分类以概念图匹配的方式为主,该方法存在容错性差、实用性低的问题。近些年来,深度学习方法在文本分类上得到了广泛应用。但是由于专利存在涉及领域广,特征提取难等问题,导致深度学习模型在专利分类上效果不佳。对此,本文提出了一种主题化表达的概念及其获取方法,并在其基础上提出了融合主题化表达与注意力机制的深度学习模型(T-Bi GRU-ATT模型),该方法能够将专利主题化表达与文本特征结合形成质量较高的专利特征用于专利分类。本文的主要工作及创新点如下:(1)提出了一种主题化表达的概念用于专利分类,并且基于主题化表达的概念提出了融合专业术语的专利主题化表达获取方法。首先提出了一种专业术语的提取方法,然后构建了融合加权专业术语的主题模型对专利数据集进行主题提取,之后又提出了一种“效应-主题”共现网络的概念用于获取专利的主题化表达,解决了主题生成质量不高、模型实用性不佳的问题。(2)提出了一种融合主题化表达与注意力机制的深...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图1.1融合主题化表达的专利分类模型流程图

专利分类模型（T-BiGRU-ATT模型），该模型能够将专利的文本特征与主题化表达相结合用于专利分类。该模型针对现有深度学习方法语义信息丢失的问题，在专利文本编码过程中通过使用BiGRU以及多头注意力机制捕捉到专利文本中的长依赖关系，并对专利文本中的重要信息进行加权以获取专利文本....

图2.4GRU细胞结构图

河北工业大学硕士学位论文-15-根据E步中得到的两个变分参数,，求L,|,的极大值，估算模型参数和。将得到的参数带入E步中，重复EM步骤。2.5深度学习相关技术2.5.1GRU模型门控循环神经网络(GatedRecurrentUnit,GRU)[38]是一种基于长短期记忆神经网络....

图2.5BiGRU模型结构图

融合主题化表达的专利分类方法研究-16-1（[,]）trttrWhx（2.11）1（[,]）tzttzWhx（2.12）1tanh（[,]）thttthWrhx（2.13）1（1）ttttthzhzh（2.14）()totyWh（2.15）2.5.2BiGRU模型双向GRU模型（....

图2.6自注意力机制框架图

河北工业大学硕士学位论文-17-定义了三个变量V、K、Q。其中，V代表被注意到的数据向量；Q代表执行一次注意力计算时的查询，来自于上一时刻的解码器输出；K代表用来与Q进行相似度计算时作为注意力机制选取的依据，一般K与V相对应。自注意力机制的框架如图2.6所示。图2.6自注意力机制....

本文编号：4053256