申请/专利权人：安徽大学

申请日：2022-10-24

公开（公告）日：2023-01-03

公开（公告）号：CN115564611A

主分类号：G06Q50/18

分类号：G06Q50/18;G06F18/23;G06F18/24;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.01.20#实质审查的生效;2023.01.03#公开

摘要：本发明提供利用多视图表示融合进行专利发明人消歧的方法及系统，方法包括：对专利数据进行预聚类；构建多个局部视图和一个全局视图；利用PatentBERT预训练模型生成文本语义表示向量；利用GAT表征模型并加入生成的节点语义表示向量在所有视图上分别获取对应节点表示向量，该表示向量融合语义信息和结构信息；融合局部视图获取的节点表示向量得到一个局部视图融合向量；接着将局部视图融合向量和全局视图向量借助对比损失进行模型训练，得到节点最终融合向量；利用层次凝聚聚类方法对最终向量进行聚类得到消歧结果。本发明通过在局部视图学习嵌入能够捕获更深层次的局部结构信息，同时结合对比学习的思想，在局部结构信息的基础上捕获全局结构信息。

主权项：1.利用多视图表示融合进行专利发明人消歧的方法，其特征在于，所述方法包括：S1、对专利数据进行预处理，并抽取专利信息，所述专利信息包括：发明人信息、权利人信息以及分类号信息；S2、利用预聚类算法，对经过预处理的专利进行预聚类处理，得到预聚类专利，对所述预聚类专利执行专利融合，以得到融合专利；S3、利用PatentBERT预训练模型进行语义嵌入，将所述融合专利的关键信息进行嵌入表示，其中，所述关键信息包括：标题，摘要信息；S4、根据所述融合专利构建局部网络视图及全局网络视图，其中，所述局部网络视图包括：共同合作者-专利视图、共同分类号-专利视图、共同权利人-专利视图，利用多视图表示学习对所有视图上节点进行嵌入，并利用注意力机制对不少于2个所述局部网络视图的表示向量进行动态加权，对所述局部网络视图进行融合，据以获得局部融合节点表示向量，从所述全局网络视图上获取全局节点表示向量，利用对比损失方式，训练所述全局节点表示向量和所述局部融合节点表示向量，以获取最终节点表示向量；S5、利用层次凝聚聚类对所述最终节点表示向量进行聚类，得到专利的簇，每一个所述专利的簇对应一个发明人实体。

全文数据：

权利要求：

百度查询： 安徽大学 利用多视图表示融合进行专利发明人消歧的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD