适应性分类学习与专利分类的历史模式建模
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一个综合考虑专利信息的专利分类框架,通过自适应地传递和聚合同级和不同级别的信息来推导 IPC 代码的语义表示;通过双通道聚合机制,设计了一个历史应用模式学习组件,以整合相应申请人的先前专利;最后,结合包含 IPC 代码语义和申请人的顺序偏好的专利文本的上下文信息进行预测。实证分析表明我们的方法优于现有方法,并展示了该模型捕捉申请人的时间模式和 IPC 代码之间的语义依赖关系的能力。
本文提出了一个综合考虑专利信息的专利分类框架,通过传递和聚合同级和不同级别的信息来推导IPC代码的语义表示。通过双通道聚合机制,整合相应申请人的先前专利。最后,结合IPC代码语义和申请人的顺序偏好的专利文本的上下文信息进行预测。实证分析表明该方法优于现有方法,并展示了该模型捕捉申请人的时间模式和IPC代码之间的语义依赖关系的能力。