多维特征视角下基于图卷积网络的专利技术领域自动识别研究
Patent Classification Based on multi-dimensional Feature and Graph Convolutional Networks作者机构：江苏科技大学经济管理学院江苏镇江212000
出 版 物：《中国管理科学》 (Chinese Journal of Management Science)
年 卷 期：2022年第30卷第12期
页 面：185-197页
核心收录：
学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 120502[管理学-情报学]
基 金：国家社会科学基金后资助项目(19FGLB029) 国家自然科学基金资助面上项目(71871108) 江苏省软科学项目(BR2021033)
摘 要：专利审查周期缩短政策的提出与专利申请数量急剧增加的现状给实现专利技术领域识别的专利分类工作带来巨大挑战,如何引入专利自动分类技术提高专利分类工作效率、缩短专利审查周期成为重要研究主题。本文提出基于多维特征和图卷积网络的专利技术领域自动识别方法。该方法根据文献计量学与图表示学习理论从专利摘要、引证专利、专利发明人维度提取专利特征;其次利用专利摘要维度特征生成表征专利文本特征的专利-核心词汇异构网络,并将引证专利、专利发明人维度特征作为专利数字特征嵌入专利-核心词汇异构网络;通过图卷积网络进行半监督学习,确定专利-核心词汇异构网络中专利节点的类别标签,完成专利自动分类任务。为验证本文所提方法的识别效果,采用Incopat全球专利数据库中专利数据进行实验;实验结果表明专利文本特征与专利数字特征共同作为专利特征可以提高专利分类准确率,引证专利信息的引入可以提高专利分类准确率。同时,本文所提方法也给专利技术领域自动识别问题提供新解答思路,为缩短专利审查周期政策的实施提供支撑。
维普期刊数据库
同方期刊数据库