基于多特征多分类器集成的专利自动分类研究

摘要：

[目的]为了准确地给专利申请书分配IPC分类号,本文提出一种基于多特征多分类器集成的专利自动分类方法.[方法]使用从专利申请书中提取的全词典TFIDF特征、信息增益词典TFIDF特征、段落向量特征、主题模型向量特征,分别训练朴素贝叶斯、支持向量机、AdaBoost分类器,以此构建特征-类别矩阵,并结合F1权重矩阵集成,获得最终IPC预测分类号.[结果]对2014年-2016年“发动机或泵”领域的10个小类进行分类,使用Top Prediction、All Categories和Two Guesses三种评估方法得到准确率分别为:78.9％、80.1％、91.2％.[局限]训练仅仅使用了2014年-2016年共三年的专利数据,数据规模有限.[结论]在“发动机或泵”领域,本文方法能够有效地提高专利文本分类的准确率.

关键词：专利分类、段落向量、主题向量、分类器集成

所属期刊栏目：1

分类号：G250(图书馆学、图书馆事业)

资助基金：国家重点研发计划项目“公共安全风险防控与应急技术装备”2016YFC0802107;北京市教育委员会科技计划面上项目项目SQKM201411417013的研究成果之一

在线出版日期：2017-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：76-84