|||
(本文发表于《情报理论与实践》2018年第11期)
摘要 [目的/意义]为了满足对海量专利数据进行自动分类的需求,提出了一种基于多示例学习框架的专利文本分类方法。[方法/过程]将专利文本当作包,专利文本的标题和摘要分别作为两个示例,通过数学建模将专利文本映射成无向图,构建基于无向图的高斯核函数,运用SVM方法训练分类器,完成对无标记专利文本的预测。[结果/结论]实验结果表明,该方法相较于传统的SVM、KNN方法能更加有效准确地预测未标记专利文本的分类,为文本挖掘领域相关方向的研究提供新的视角。[局限]实验样本数量有待进一步丰富。
关键词 : 专利文本分类, 多示例学习, 分类方法, 支持向量机
链接:基于多示例学习框架的专利文本分类方法研究 http://www.itapress.cn/CN/abstract/abstract515.shtml
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-26 05:53
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社