隨著現(xiàn)代科學技術和信息技術的發(fā)展,專利分析（Patent Analysis）在衡量技術競爭力,預測技術趨勢等方面發(fā)揮著不可替代的作用,在工業(yè)、商業(yè)、法律、學術界等多個領域得到廣泛的應用。在專利分析領域,高效提取專利特征,度量相似專利是一項具有挑戰(zhàn)性的任務。鑒于深度學習（Deeplearning,DL）方法在文本分類、情感分析等自然語言處理（Natural language processing,NLP）領域表現(xiàn)出來的優(yōu)勢,本文提出了一種基于深度學習的專利文本挖掘方法,旨在挖掘、提取和量化專利文本特征,為專利檢索、相似專利度量等專利分析任務提供高質量的專利特征數(shù)據(jù)。本文提出了一套較為系統(tǒng)的專利文本特征提取方法。首先,結合專利文本結構特點和專利文本外表特征,構造出一種用于本方法的專利文本結構化數(shù)據(jù)集;然后,利用概率統(tǒng)計模型——主題模型（Topic model）對專利文本潛在的語義結構進行提取、降維和聚類,并依據(jù)聚類結果構造用于深度學習的訓練集;接著,構建卷積神經(jīng)網(wǎng)絡（Convolutional neural network,CNN）模型,通過有監(jiān)督學習的方式,提取和組合專利文本不同維度的關... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學位級別】：碩士

【部分圖文】：

圖１－２ＲＮＮ模型架構圖｜１９Ｉ??為了解決ＲＮＮ的偏倚問題，ＣＮＮ將一個無偏倚問題的模型引入到文本處理??

圖１?－４?Ｒｅｃｕｒｒｅｎｔ－ＣＮＮ模型架構圖間??對四種神經(jīng)網(wǎng)絡模型優(yōu)缺點總結如表１－１所示

圖２－１?ＵＳＰＴＯ的ＸＭＬ格式專利文本結構（部分）??２．１．２專利文本相似度度量方法??，


本文編號：3077429