申请/专利权人：重庆邮电大学

申请日：2023-06-26

公开（公告）日：2024-04-09

公开（公告）号：CN116805059B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/214;G06N3/0464;G06N3/048;G06N3/08;G06F16/35;G06F16/33;G06Q50/18

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.10.17#实质审查的生效;2023.09.26#公开

摘要：本发明涉及自然语言处理和人工智能领域，具体涉及一种基于大数据的专利分类方法，包括获取专利文本数据并进行预处理得到预处理数据；通过Bert模型获取预处理数据中每个字的词向量，并根据词向量计算每两个字间的相似度；根据相似度构建一个图结构输入图卷积神经网络，得到一个文本融合向量表示；将文本融合向量表示输入概率化SVM分类器，得到预处理数据的分类结果。

主权项：1.一种基于大数据的专利分类方法，其特征在于，包括以下步骤：S1.获取专利文本数据并进行预处理得到预处理数据；S2.通过Bert模型获取预处理数据中每个字的词向量，并根据词向量计算每两个字间的相似度；S3.根据相似度构建一个图结构输入图卷积神经网络，得到一个文本融合向量表示；步骤S3根据相似度构建一个图结构，包括：S301.将预处理数据中每个字看作一个节点，采用对应的词向量作为每个节点的特征向量，将每两个字间的相似度作为对应两个节点间的特征相似度；S302.设置边连接阈值，若两个节点间的特征相似度大于边连接阈值，则将这两个节点连接起来，并采用特征相似度作为边权重；S303.通过混合池函数获取每个节点的混合池特征向量，表示为： 其中，hi′表示第i个节点vi的混合池特征向量，Ki,j表示第i个节点vi与第j个节点vj的特征相似度，hj表示第j个节点vj的的特征向量，Ni表示第i个节点vi的邻居节点集合，hmean表示节点vi的所有邻居节点的平均池特征向量；S304.将每个节点的特征向量和混合池特征向量拼接，得到每个节点的融合向量，最终得到图结构；步骤S3将一个图结构输入图卷积神经网络得到一个文本融合向量表示，包括：S311.获取图结构中每个节点在图卷积神经网络的第l层的向量表示；S312.对于图结构中第i个节点vi，根据向量表示计算节点vi与其每一个邻居节点在第l层的上下文相似度；S312.根据上下文相似度计算节点vi在第l层的激活函数权重；S313.采用激活函数权重计算更新节点vi的向量表示；S314.直至图结构中所有节点的向量表示更新完成，判断每个节点的向量表示的变化量绝对值是否都小于变化阈值，若不是，则执行步骤S315；若是，则执行步骤S316；S315.判断当前层数l是否小于最大层数，若满足，则令l＝l+1并返回步骤S311；若不满足，则执行步骤S316；S316.输出图结构中所有节点当前的向量表示并进行混合池化，得到一个文本融合向量表示；S4.将文本融合向量表示输入概率化SVM分类器，得到预处理数据的分类结果。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于大数据的专利分类方法

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