[目的/意義]探究非均衡專利文本數(shù)據(jù)的自動(dòng)分類問(wèn)題,并分析識(shí)別不同方案的分類效果。[方法/過(guò)程]使用卷積神經(jīng)網(wǎng)絡(luò)作為分類器,利用隨機(jī)欠采樣、隨機(jī)過(guò)采樣以及綜合采樣的方法對(duì)非均衡數(shù)據(jù)進(jìn)行采樣處理,使訓(xùn)練數(shù)據(jù)集均衡化,然后運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)分類,并分析分類的指標(biāo)特征。[結(jié)果/結(jié)論]針對(duì)非均衡數(shù)據(jù)的分類問(wèn)題,不能單一依據(jù)準(zhǔn)確率來(lái)判定,三種實(shí)驗(yàn)方法都可以提高分類的正確率,但是進(jìn)一步明確各類別實(shí)際的分類正確率而言,綜合采樣方法相對(duì)較好,能夠改善專利文本自動(dòng)分類效果。卷積神經(jīng)網(wǎng)絡(luò)在非均衡專利文本多分類中,雖然能夠?qū)Χ鄶?shù)類別進(jìn)行相對(duì)較好的識(shí)別,但分類精度仍有較大提升空間。 

【文章來(lái)源】：文獻(xiàn)與數(shù)據(jù)學(xué)報(bào). 2020,2(03)

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

CNN的基本結(jié)構(gòu)

非均衡數(shù)據(jù)的CNN專利文本分類模型

非均衡數(shù)據(jù)集中訓(xùn)練集和測(cè)試集中準(zhǔn)確率和loss值變化圖

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的專利分類方法[J]. 馬建紅,王瑞楊,姚爽,劉雙耀.  計(jì)算機(jī)工程. 2018(10)
[2]基于非平衡數(shù)據(jù)處理方法的網(wǎng)絡(luò)在線廣告中點(diǎn)擊欺詐檢測(cè)的研究[J]. 李鑫,郭漢,張欣,胡方強(qiáng),帥仁俊.  計(jì)算機(jī)科學(xué). 2018(S1)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)與隨機(jī)森林算法的專利文本分類模型[J]. 胡杰,李少波,于麗婭,楊觀賜.  科學(xué)技術(shù)與工程. 2018(06)
[4]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的非均衡數(shù)據(jù)分類算法[J]. 張文東,呂扇扇,張興森.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(06)
[5]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動(dòng)化學(xué)報(bào). 2016(09)
[6]不均衡數(shù)據(jù)分類算法的綜述[J]. 陶新民,郝思媛,張冬雪,徐鵬.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(01)
[7]專利檢索中的IPC和主題詞識(shí)別方法研究[J]. 暴海龍,李金林.  北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2003(05)



本文編號(hào)：3085941