基于神經(jīng)網(wǎng)絡(luò)的文本挖掘在專利自動(dòng)分類中的研究與應(yīng)用.pdf

1、專利信息作為重要的技術(shù)情報(bào)源，記載了人類社會(huì)發(fā)明創(chuàng)造的成就和軌跡。面對(duì)海量的專利數(shù)據(jù)庫，為了盡快找到所需要的專利信息，每一件專利都會(huì)按照其技術(shù)內(nèi)容分配相應(yīng)的國際專利分類號(hào)(IPC)。然而目前的專利分類仍然采用手工操作，顯然手工分類方法效率低、費(fèi)用高、分類結(jié)果一致性較差。因此，實(shí)現(xiàn)專利文本的自動(dòng)分類有著重要的意義。 專利自動(dòng)分類是指在給定的分類體系下，根據(jù)專利文本的內(nèi)容(標(biāo)題、摘要)自動(dòng)確定專利文本所屬類別的過程。由于專利信息中所

2、包含的是大規(guī)模的、非結(jié)構(gòu)化的文本信息，為了發(fā)現(xiàn)隱藏在其中的可用知識(shí)，本文將文本挖掘技術(shù)引入專利自動(dòng)分類系統(tǒng)，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)算法實(shí)現(xiàn)專利的自動(dòng)分類。在此系統(tǒng)中，主要包括特征向量構(gòu)建和分類模型構(gòu)建兩部分內(nèi)容。 在特征向量構(gòu)建過程中，首先選用目前國內(nèi)最有影響的漢語詞法分析系統(tǒng)(ICTCLAS)對(duì)專利文本進(jìn)行分詞，在此基礎(chǔ)上，本文將IPC類別描述本身信息中的詞添加到現(xiàn)有的詞典中，進(jìn)一步提高了分詞的準(zhǔn)確性。然后，為了

3、比較不同的特征選擇算法對(duì)分類效果的影響，分別采用信息增益IG和互信息Ml對(duì)專利文本特征進(jìn)行降維處理。最后，采用經(jīng)典的權(quán)重計(jì)算公式(TF×IDF)計(jì)算特征詞在向量空間模型(VSM)中的權(quán)值，同時(shí)，為了體現(xiàn)不同文本位置信息對(duì)該文本區(qū)分度的差異，提出了一種考慮位置信息進(jìn)行加權(quán)來計(jì)算特征詞權(quán)重的方法(PTF×IDF算法)。 在分類模型構(gòu)建過程中，采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)分類方法完成專利文本的訓(xùn)練和分類。在分類過程中，首先通過