基于模糊逻辑的专利数据层次分类研究

发布时间：2021-07-01 16:59

　　随着经济全球化的日益深入和知识经济的发展,知识产权,尤其是专利,引起了国家、地区和产业界的高度重视,拥有核心技术专利已成为企业市场竞争的战略制高点。专利数据含有大量有用信息,表明技术发展方向和趋势,对企业技术研发策略的制定有重要参考价值。但目前的专利数据分析技术普遍存在着效率低下,周期过长等弊端。专利申请量的激增一方面增加了对快速、自动专利分析的迫切需求,另一方面又为基于数据挖掘技术的专利文本挖掘方法准备了充分的资源,因此计算机辅助专利分析成为了大势所趋。目前专利数据人工分类普遍存在着效率低下,错误过多等弊端;在实际专利文本分类中,一篇专利文献可以属于不同的类别,在这方面与一般文本分类方法是不同的;现有的专利文本分类大多都采用了传统的文本分类算法,没有考虑到专利数据所涉及到多个学科领域,同族专利的相似度比较大等问题。基于以上的考虑,本文着重研究了专利文本挖掘中的自动分类问题。首先详细的说明了专利数据的信息特征以及国际IPC分类的概况,并根据专利数据的特点,提出了针对于专利数据的特征提取方法,在提到的特征提取方法当中,引入了位置权重,使得专利文本向量表示更加准确;其次,在第四章当中概述了... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

专利数据层次分类流程示意图

【参考文献】：
期刊论文
[1]基于IPC知识结构的专利自动分类模型[J]. 刘玉琴,赖院根,雷孝平.  小型微型计算机系统. 2007(12)
[2]基于领域知识的专利自动分类[J]. 郭炜强,戴天,文贵华.  计算机工程. 2005(23)
[3]基于核向量空间模型的专利分类[J]. 丁月华,文贵华,郭炜强.  华南理工大学学报(自然科学版). 2005(08)
[4]面向专利战略的专利信息分析研究[J]. 曹雷.  科技管理研究. 2005(03)
[5]专利检索中的IPC和主题词识别方法研究[J]. 暴海龙,李金林.  北京理工大学学报(社会科学版). 2003(05)
[6]专利文献中的知识发现[J]. 暴海龙,朱东华,李金林.  预测. 2003(04)
[7]文本挖掘及其应用[J]. 蒋良孝,蔡之华.  现代计算机(专业版). 2003(02)
[8]一种基于向量空间模型的多层次文本分类方法[J]. 刘少辉,董明楷,张海俊,李蓉,史忠植.  中文信息学报. 2002(03)



本文编号：3259523