基于Doc2Vec的专利文件相似度检测方法的对比研究

摘要：

[目的/意义]专利相似度检测(Similarity Measurement)可从宏观上辅助制定国家创新战略规划,发现国内外的热点及应对其他国家的专利流氓,从微观上为专利发明人、专利审查员、专利权人提供辅助支撑.[方法/过程]提出基于深度学习的Doc2Vec专利相似度分析方法,基于未进行清洗的专利语料库,采用深度学习的Doc2Vec模型,随机挑选了专利,研究了专利相似度检测问题,并和传统的相似度检测模型进行对比研究.[结果/结论]实验结果表明,基于深度学习的Doc2Vec模型和TF-IDF模型对于处理不做数据清洗的专利语料的结果有相近性,该方法对分析人员的专利领域知识要求较低,不需要对专利数据进行基于专利领域知识的数据清洗,同时可为专利侵权、专利查新提供新的智能工具支撑,降低研究门槛和工作量,提升研究效率.

关键词：专利、相似度、深度学习、Doc2Vec

所属期刊栏目：62

分类号：G354(情报学、情报工作)

资助基金：国家自然科学基金青年项目“面向专利文本中实体关系抽取的远程监督方法研究”71704169;国家自然科学基金青年项目“大数据挖掘在科技项目查重中的应用”71303223

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81