專利背景技術(shù)包含豐富的技術(shù)問題信息,能幫助我們快速了解當(dāng)前技術(shù)的核心問題,在專利推薦方面具有重要價值。目前專利推薦主要是基于專利內(nèi)容進行推薦,缺乏對技術(shù)問題具有針對性的推薦,且專利技術(shù)問題的相關(guān)研究甚少,無法展示專利多元化的問題信息。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)化的專利問題信息,并進一步利用問題信息結(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題信息的專利聚類推薦方法。本文主要工作如下:(1)篩選問題句:專利背景技術(shù)包含很多背景信息、原理介紹等冗余信息,影響問題信息抽取的準(zhǔn)確性。本文利用問題句含有負面情感傾向的特點,結(jié)合情感分類方法進行篩選,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行提取,并引入注意力機制進行權(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題。(2)抽取問題信息:為了對問題信息分層次進行表征,構(gòu)建了<問題源,<問題屬性,問題詞>>的結(jié)構(gòu)化表征形式;分析問題句中問題源的位置、語義角色特點,提出了多特征融合的CRFs進行抽取;而根據(jù)<問題屬性,問題詞>關(guān)聯(lián)性強...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：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 本文研究內(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 基于文本篩選的問題信息抽取
    3.1 問題表征形式和抽取方法框架
        3.1.1 問題表征形式
        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 問題信息抽取
        3.3.1 構(gòu)建問題詞詞庫
        3.3.2 識別問題信息
    3.4 實驗與評估
        3.4.1 實驗研究
        3.4.2 實驗結(jié)果分析
    3.5 本章小結(jié)
第四章 融合問題信息的聚類推薦
    4.1 專利向量化
    4.2 改進K-means的專利聚類方法
    4.3 構(gòu)建三層興趣模型
    4.4 實驗與評估
        4.4.1 實驗數(shù)據(jù)和評價指標(biāo)
        4.4.2 實驗結(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
攻讀學(xué)位期間所取得的相關(guān)科研成果
致謝



本文編號：4005905