BriefGPT - AI 论文速递
·
提高诠释性的早期潜在突破技术筛选：专利特定的分层注意力网络模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于语言的、分布感知的多模态专利图像特征学习方法，通过集成大型语言模型，丰富专利图像的语义理解，并通过分布感知对比损失来提高性能。实验结果表明，该方法在基于图像的专利检索方面取得了最先进的性能。通过深入用户分析，证明了该模型在帮助专利专业人员进行图像检索方面的实际适用性和效果。
🎯
关键要点
- 基于图像的检索系统在专利审查中至关重要，确保专利申请的新颖性和非显而易见性。
- 提出了一种基于语言的、分布感知的多模态专利图像特征学习方法。
- 通过集成大型语言模型，丰富专利图像的语义理解。
- 使用分布感知对比损失提高在代表性类别中的性能。
- 在DeepPatent2数据集上的实验表明，该方法在基于图像的专利检索方面取得了最先进的性能。
- 平均准确率提高了53.3%，前10个检索结果的召回率提高了41.8%，前10个检索结果的MRR提高了51.9%。
- 深入用户分析证明了该模型在帮助专利专业人员进行图像检索方面的实际适用性和效果。
🏷️
标签
➡️
