發(fā)布時(shí)間：2024-09-17 19:01

　　專利背景技術(shù)包含豐富的技術(shù)問(wèn)題信息,能幫助我們快速了解當(dāng)前技術(shù)的核心問(wèn)題,在專利推薦方面具有重要價(jià)值。目前專利推薦主要是基于專利內(nèi)容進(jìn)行推薦,缺乏對(duì)技術(shù)問(wèn)題具有針對(duì)性的推薦,且專利技術(shù)問(wèn)題的相關(guān)研究甚少,無(wú)法展示專利多元化的問(wèn)題信息。本文從專利背景技術(shù)中入手,采用先篩選后抽取的兩步驟策略抽取出結(jié)構(gòu)化的專利問(wèn)題信息,并進(jìn)一步利用問(wèn)題信息結(jié)合專利標(biāo)題表示專利特征向量,提出了一種基于多元問(wèn)題信息的專利聚類推薦方法。本文主要工作如下:(1)篩選問(wèn)題句:專利背景技術(shù)包含很多背景信息、原理介紹等冗余信息,影響問(wèn)題信息抽取的準(zhǔn)確性。本文利用問(wèn)題句含有負(fù)面情感傾向的特點(diǎn),結(jié)合情感分類方法進(jìn)行篩選,提出了融合句法規(guī)則的特征融合情感分類模型,將背景技術(shù)特征分為局部特征和全局特征進(jìn)行提取,并引入注意力機(jī)制進(jìn)行權(quán)重配置,解決了常規(guī)情感分類模型特征表示能力弱的問(wèn)題。(2)抽取問(wèn)題信息:為了對(duì)問(wèn)題信息分層次進(jìn)行表征,構(gòu)建了<問(wèn)題源,<問(wèn)題屬性,問(wèn)題詞>>的結(jié)構(gòu)化表征形式;分析問(wèn)題句中問(wèn)題源的位置、語(yǔ)義角色特點(diǎn),提出了多特征融合的CRFs進(jìn)行抽取;而根據(jù)<問(wèn)題屬性,問(wèn)題詞>關(guān)聯(lián)性強(qiáng)...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
附件
摘要
abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 研究現(xiàn)狀
        1.2.1 專利推薦研究現(xiàn)狀
        1.2.2 情感分類研究現(xiàn)狀
        1.2.3 專利信息抽取研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)及理論概述
    2.1 文檔推薦相關(guān)技術(shù)
    2.2 情感分類相關(guān)技術(shù)
    2.3 信息抽取相關(guān)技術(shù)
第三章 基于文本篩選的問(wèn)題信息抽取
    3.1 問(wèn)題表征形式和抽取方法框架
        3.1.1 問(wèn)題表征形式
        3.1.2 抽取方法框架
    3.2 專利文本篩選
        3.2.1 句法規(guī)則刪除冗余
        3.2.2 特征融合情感分類模型CG-ATT
    3.3 問(wèn)題信息抽取
        3.3.1 構(gòu)建問(wèn)題詞詞庫(kù)
        3.3.2 識(shí)別問(wèn)題信息
    3.4 實(shí)驗(yàn)與評(píng)估
        3.4.1 實(shí)驗(yàn)研究
        3.4.2 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 融合問(wèn)題信息的聚類推薦
    4.1 專利向量化
    4.2 改進(jìn)K-means的專利聚類方法
    4.3 構(gòu)建三層興趣模型
    4.4 實(shí)驗(yàn)與評(píng)估
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)和評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 專利推薦的可視化展示
    4.6 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間所取得的相關(guān)科研成果
致謝



本文編號(hào)：4005905