BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 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。
- 设计了一个历史应用模式学习组件，通过双通道聚合机制整合申请人的先前专利。
- 结合IPC代码语义和申请人的顺序偏好的专利文本上下文信息进行预测。
- 实证分析表明该方法优于现有方法。
- 模型能够捕捉申请人的时间模式和IPC代码之间的语义依赖关系。
➡️
