基于深度學習理論與方法的中文專利文本自動分類研究.pdf

1、在當前經(jīng)濟全球化的時代，科技成為第一生產(chǎn)力。國家和企業(yè)的進步，越來越多地依賴于科技的創(chuàng)新。作為科技載體的專利的數(shù)量和質(zhì)量已經(jīng)成為衡量國家和企業(yè)創(chuàng)新能力的重要指標，因而專利申請的數(shù)量大大增加。世界知識產(chǎn)權(quán)組織的統(tǒng)計結(jié)果表明，專利文本中蘊含了全世界90％-95%的發(fā)明創(chuàng)造，表征著世界科技的發(fā)展水平。如何從這些專利文本中獲取和利用科技信息，為國家和企業(yè)的發(fā)展提供戰(zhàn)略支持，是國內(nèi)外相關(guān)學者和專家研究的重點。而專利文本的分類作為最基礎(chǔ)的步驟，制約

2、著專利文本信息的獲取和利用。
　　目前，專利文本的分類主要以人工方式為主，自動分類方式已經(jīng)開始作為輔助手段，但大規(guī)模的專利文本自動分類尚未實現(xiàn)，因此研究專利文本的自動分類具有重要的現(xiàn)實意義?；趯＠谋镜恼Z義特征，借助自動分類技術(shù)，專利工作人員能夠?qū)Υ罅康膶＠谋具M行自動且高效地分類，提高工作效率的同時，能夠更好地對專利文本中蘊含的豐富的科技信息進行分析和利用。
　　因此，本文在對專利文本自動分類的基本框架和基本原理進行系統(tǒng)

3、梳理的基礎(chǔ)上，設計了一個基于深度學習理論的中文專利自動文本分類方法，方法的主要內(nèi)容如下：首先對專利文本進行預處理和特征選擇，得到專利文本的形式化表示；然后基于深度學習理論，用降噪自動編碼器構(gòu)建深度學習網(wǎng)絡，自動學習得到專利文本的低維特征編碼，并在網(wǎng)絡的最頂層采用支持向量機算法對其進行分類，根據(jù)分類的結(jié)果不斷調(diào)整網(wǎng)絡中的各層參數(shù)得到分類器；最后采用已知類別的專利文本測試集對分類器進行分類測試，得到測試分類的準確率、召回率和F值以驗證本文設