摘要
传统专利分类由专家逐件审阅,随着大数据、人工智能和自然语言处理技术的快速发展,专利文本自动分类正在成为学界、业界的重要研究方向之一。文本分类技术可以用于判断专利申请是否获得授权,帮助审查员自动化处理和分析专利申请文件,从而提高工作效率。针对海量专利的英文文本,提出一种基于图神经网络模型的专利文本自动分类方法,用于测度专利申请是否可获得授权。使用深度学习算法TextGCN对专利摘要语料进行学习和训练,利用图结构数据的邻居信息和节点特征,通过神经网络产生专利文本的表示向量,进而实现专利授权与否的预测。实验结果表明,本文采用的深度学习算法能够得到较好的分类效果,并且与Doc2vec和TFIDF表示方法相比,该模型在精确度、召回率、准确率及F1方面均有所提高,可为专利授权与否的自动预测提供可靠的研究依据。
s,leveraging the neighbor information and node features of graph-structured data.Through the neural network,it generates representation vectors for patents,facilitating the forecasting of patent authorization results.The experimental findings demonstrate that the deep learning approach applied in this study achieves commendable classification results.Compared to the Doc2vec and TFIDF methods,the TextGCN model shows improvements in terms of precision,recall,accuracy,and F1 score.This method can offer a dependable research foundation for automatic prediction of the grant status of patents.
作者
魏雯婕
张更平
WEI Wenjie;ZHANG Gengping(Tongji University Library,Shanghai 200092,China)
出处
《竞争情报》
2024年第2期24-34,共11页
Competitive Intelligence
基金
2023年度上海市科技情报学会战略性新兴产业情报专项课题“先进技术在专利分析中的应用”的研究成果之一。
