隨著世界創(chuàng)新驅(qū)動(dòng)的發(fā)展,科技技術(shù)受到前所未有的關(guān)注。尤其近年來,隨著專利申請(qǐng)數(shù)量的增多,互聯(lián)網(wǎng)平臺(tái)涌現(xiàn)大量的非結(jié)構(gòu)化專利文本數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)含很多科技技術(shù)發(fā)展關(guān)鍵指標(biāo),如何從專利文本數(shù)據(jù)中有效地挖掘指標(biāo),為專利對(duì)比評(píng)估和企業(yè)技術(shù)評(píng)估提供參考依據(jù)是本文研究的重點(diǎn)。因此,本文提出面向領(lǐng)域的指標(biāo)挖掘方法研究與系統(tǒng)實(shí)現(xiàn),具體工作如下:通過調(diào)研國內(nèi)外專利文本數(shù)據(jù)研究和文本指標(biāo)詞挖掘研究現(xiàn)狀,結(jié)合其他學(xué)者對(duì)專利文本內(nèi)容挖掘和文本指標(biāo)詞挖掘研究屬性特點(diǎn),總結(jié)了面向領(lǐng)域?qū)＠谋局笜?biāo)詞挖掘的特征選取形式,利用文本挖掘的基礎(chǔ)特征以及專利文本指標(biāo)詞的位置信息和周圍修飾詞特點(diǎn),構(gòu)建以N-gram、詞性、動(dòng)詞+名詞、動(dòng)詞+形容詞+名詞、動(dòng)詞+副詞+名詞、動(dòng)詞+形容詞+副詞+名詞、動(dòng)詞+形容詞+數(shù)量詞+名詞等七個(gè)屬性特征作為專利文本指標(biāo)詞挖掘研究特征,結(jié)合現(xiàn)有的依存句法分析技術(shù)和Word2Vector進(jìn)行特征工程處理。面向領(lǐng)域指標(biāo)挖掘方法模型選擇。在基于BP神經(jīng)網(wǎng)絡(luò)的指標(biāo)挖掘方法模型中,利用BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力和自適應(yīng)能力進(jìn)行指標(biāo)詞預(yù)測(cè),根據(jù)經(jīng)驗(yàn)公式計(jì)算隱含層神經(jīng)元個(gè)數(shù)范圍,訓(xùn)練模型尋找MSE最小時(shí)神經(jīng)...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.2.1 研究?jī)?nèi)容
        1.2.2 創(chuàng)新點(diǎn)
    1.3 組織結(jié)構(gòu)與研究框架圖
        1.3.1 組織結(jié)構(gòu)
        1.3.2 研究框架圖
    1.4 本章小結(jié)
第二章 相關(guān)研究及技術(shù)概述
    2.1 研究現(xiàn)狀
        2.1.1 專利文本挖掘研究
        2.1.2 文本指標(biāo)挖掘研究
    2.2 相關(guān)技術(shù)介紹
        2.2.1 詞向量
        2.2.2 依存句法分析
        2.2.3 BP神經(jīng)網(wǎng)絡(luò)模型
        2.2.4 貝葉斯神經(jīng)網(wǎng)絡(luò)模型
    2.3 本章小結(jié)
第三章 面向領(lǐng)域的指標(biāo)挖掘方法
    3.1 問題提出
    3.2 基本概念
    3.3 基于BP神經(jīng)網(wǎng)絡(luò)模型指標(biāo)挖掘方法
        3.3.1 BP模型的指標(biāo)挖掘理論依據(jù)
        3.3.2 BP模型的指標(biāo)挖掘結(jié)構(gòu)設(shè)計(jì)
        3.3.3 BP模型的指標(biāo)挖掘?qū)崿F(xiàn)步驟
        3.3.4 BP模型的指標(biāo)挖掘應(yīng)用算法流程
    3.4 基于貝葉斯神經(jīng)網(wǎng)絡(luò)模型領(lǐng)域指標(biāo)挖掘方法
        3.4.1 BNN模型的指標(biāo)挖掘理論依據(jù)
        3.4.2 BNN模型的指標(biāo)挖掘結(jié)構(gòu)設(shè)計(jì)
        3.4.3 BNN模型的指標(biāo)挖掘?qū)崿F(xiàn)步驟
        3.4.4 BNN模型的指標(biāo)挖掘應(yīng)用算法流程
    3.5 本章小節(jié)
第四章 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果可視化分析
    4.1 實(shí)驗(yàn)準(zhǔn)備
        4.1.1 實(shí)驗(yàn)數(shù)據(jù)描述
        4.1.2 特征工程處理
        4.1.3 模型評(píng)價(jià)指標(biāo)
    4.2 基于BP神經(jīng)網(wǎng)絡(luò)模型的指標(biāo)挖掘?qū)嶒?yàn)
        4.2.1 參數(shù)選取
        4.2.2 實(shí)驗(yàn)結(jié)果分析
    4.3 基于貝葉斯神經(jīng)網(wǎng)絡(luò)模型的指標(biāo)挖掘?qū)嶒?yàn)
        4.3.1 參數(shù)選取
        4.3.2 實(shí)驗(yàn)結(jié)果分析
    4.4 模型實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.5 本章小結(jié)
第五章 面向領(lǐng)域的指標(biāo)挖掘系統(tǒng)實(shí)現(xiàn)
    5.1 系統(tǒng)開發(fā)環(huán)境
    5.2 系統(tǒng)設(shè)計(jì)
        5.2.1 系統(tǒng)總體框架設(shè)計(jì)
        5.2.2 系統(tǒng)功能模塊設(shè)計(jì)
    5.3 系統(tǒng)實(shí)現(xiàn)
        5.3.1 系統(tǒng)管理模塊實(shí)現(xiàn)
        5.3.2 文件上傳模塊實(shí)現(xiàn)
        5.3.3 指標(biāo)展示模塊實(shí)現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究不足與未來展望
參考文獻(xiàn)
致謝



本文編號(hào)：3889468