版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、專(zhuān)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(lái)源。隨著新中國(guó)的快速發(fā)展,我國(guó)專(zhuān)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(zhuān)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(lái)分析文本的分類(lèi)和演化問(wèn)題。其中概率主題模型很少應(yīng)用在專(zhuān)利文本
2、的相關(guān)研究中,故本文在現(xiàn)有專(zhuān)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(zhuān)利文本進(jìn)行分類(lèi)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(zhuān)利文本中的一些典型的分類(lèi)算法和演化分析方法。
?。?)針對(duì)傳統(tǒng)專(zhuān)利文本自動(dòng)分類(lèi)方法中,使用向量空間模型文本表示方法存在的問(wèn)題,提出一種基
3、于LDA模型專(zhuān)利文本分類(lèi)方法。該方法利用LDA主題模型對(duì)專(zhuān)利文本語(yǔ)料庫(kù)建模,提取專(zhuān)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(lèi)的類(lèi)-主題矩陣,為類(lèi)進(jìn)行主題語(yǔ)義拓展,使用主題相似度構(gòu)造層次分類(lèi),小類(lèi)采用KNN分類(lèi)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(zhuān)利文本分類(lèi)方法對(duì)比,此方法能夠獲得更高的分類(lèi)評(píng)估指數(shù)。
?。?)運(yùn)用概率主題模型全面研究專(zhuān)利文獻(xiàn)主題演化,發(fā)現(xiàn)專(zhuān)利技術(shù)發(fā)展趨勢(shì)。LDA
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LDA模型的文本分類(lèi)研究.pdf
- 基于LDA模型與SVM的文本分類(lèi)研究與實(shí)現(xiàn).pdf
- 基于lda的文本分類(lèi)研究及其應(yīng)用
- 基于LDA的文本分類(lèi)研究及其應(yīng)用.pdf
- 基于LDA與SVM的文本分類(lèi)研究.pdf
- 基于詞性與LDA主題模型的文本分類(lèi)技術(shù)研究.pdf
- 基于特征選擇及LDA模型的中文文本分類(lèi)研究與實(shí)現(xiàn).pdf
- 一種詞性標(biāo)注LDA模型的文本分類(lèi)方法研究.pdf
- 基于KNN的專(zhuān)利文本分類(lèi)算法研究.pdf
- 基于本體的文本分類(lèi)模型研究.pdf
- 基于混合模型的文本分類(lèi)的研究.pdf
- 基于張量空間模型的文本分類(lèi)研究.pdf
- 基于LDA的微博短文本分類(lèi)技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于詞頻統(tǒng)計(jì)的文本分類(lèi)模型研究.pdf
- 基于潛在語(yǔ)義分析的專(zhuān)利文本分類(lèi)技術(shù)研究.pdf
- 基于主題的文本分類(lèi)模型研究與應(yīng)用.pdf
- 基于文本分類(lèi)的信息過(guò)濾系統(tǒng)模型研究.pdf
- 基于向量空間模型的文本分類(lèi)算法研究.pdf
- 基于相關(guān)主題模型的文本分類(lèi)方法研究.pdf
- 基于聚類(lèi)分析的圖模型文本分類(lèi).pdf
評(píng)論
0/150
提交評(píng)論