基于混合表征学习的专利分类方法研究
信息技术与网络安全 12期
王庆才1，2，刘贵全1，2
(1.中国科学技术大学 计算机科学与技术学院，安徽 合肥230027； 2.大数据分析与应用安徽省重点实验室，安徽 合肥230027)
摘要： 专利分类是专利分析的基本任务，而基于深度学习的自动化专利分类方法可以有效地执行专利分类任务。现有研究大多利用自然语言处理方法，基于单个专利的文本内容(如摘要和标题)对专利文本进行分类，而专利及标签之间的宏观关系(如专利之间的引用和标签之间的共现)在很大程度上被忽略。为了缓解专利分类中单一专利信息的问题，构建了三个图网络表示专利及其标签之间的宏观关系，然后提出一个基于混合表征学习的专利分类框架，将专利及标签的宏观关系融入分类中，以提高专利的自动化分类的准确性。在真实的专利数据集的实验结果表明，该分类方法在多个评价指标上取得了最佳的性能。
中圖分類號： TP181
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.12.009
引用格式： 王慶才，劉貴全. 基于混合表征學習的專利分類方法研究[J].信息技術與網絡安全，2021，40(12)：51-59.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.12.009
引用格式： 王慶才，劉貴全. 基于混合表征學習的專利分類方法研究[J].信息技術與網絡安全，2021，40(12)：51-59.
Hybrid representation based framework for patent classification
Wang Qingcai1，2，Liu Guiquan1，2
(1.School of Computer Science and Technology，University of Science and Technology of China，Hefei 230027，China； 2.Anhui Province Key Laboratory of Big Data Analysis and Application，Hefei 230027，China)
Abstract： Patent classification is a fundamental task in patent analysis, and automatic patent classification methods based on deep learning can perform effectively. Most existing studies utilize natural language processing methods to classify patent documents based on the textual contents of individual patents(e.g.，abstracts and titles), while the macro-relationships between patents and their labels(e.g.，citations between patents and co-occurrence between labels) are largely ignored. To alleviate the problem of single patent information in patent classification, this paper constructed three graphs to represent the macro-relationships between patents and labels, and then proposed a hybrid representation based framework for patent classification to enhance the automated classification of patents. Extensive experiments conducted on real patent datasets show that the proposed classification method achieves the best performance in several evaluation metrics.
Key words : patent classification；multi-label classification；Graph Neural Network；deep learning
0 引言
專利分類是專利挖掘和管理中重要的基礎任務。其主要目的是通過自然語言處理等方法提取專利文檔中的重要特征，然后將這些特征輸入分類器中，其輸出結果表示專利文檔所屬的標簽。通常一個專利具有一個或多個標簽。面對每年快速增長的專利申請數量，實現高效的、自動化的專利分類算法可以大大減少專利機構的人工成本和時間成本。目前，自動化專利分類算法已被專利機構廣泛使用，為專利檢索[1]、專利價值評估[2]、專利訴訟風險評估[3]等專利智能服務提供支持。
因此，這吸引了許多研究人員來研究自動專利分類問題[4-6]，并且這些方法中的大多數將其視為多標簽文本分類任務[4-5]。專利的主要內容為其組件和創新的詳細說明文檔，該任務的目標是針對專利自動化預測一組標準化的類別。傳統的專利分類方法大多基于統計學和自然語言處理方法人工構造特征信息，輸入到機器學習模型中進行訓練，然后預測未知專利的類別信息。這些方法大多屬于淺層模型，僅僅學習了專利文本簡單的詞義信息，無法獲取深層的上下文語義信息。而且專利中包含了大量的非結構化信息，如專利之間的引用信息，通常將專利作為網絡節點構建專利引用網絡，然后基于網絡分析的方法對專利節點進行分類。此類方法專注于學習網絡的結構信息，忽略了專利文本信息對預測專利類別的影響。
本文詳細內容請下載：http://www.tom3567.com/resource/share/2000003896.
作者信息：
王慶才1，2，劉貴全1，2
(1.中國科學技術大學 計算機科學與技術學院，安徽 合肥230027；
2.大數據分析與應用安徽省重點實驗室，安徽 合肥230027)
此內容為AET網站原創，未經授權禁止轉載。