用于高价值专利识别的跨模态深度学习方法研究
来源：图书情报工作杂志2025年第15期北京时间：
作者：张彪,陈云伟
单位：1 中国科学院成都文献情报中心 成都 610299;2 中国科学院大学经济与管理学院信息资源管理系 北京 100190
摘要：[目的/意义] 精准识别高价值专利已成为我国知识产权强国建设的重要环节，对推动我国科技创新的高质量发展至关重要。[方法/过程] 提出跨模态深度学习架构LMI，通过融合文本、图像、指标三种模态信息，实现高价值专利的精准识别。首先，基于专利文件抽取文本信息、摘要附图、评估指标，并进行文本拼接、分词、图像大小统一等预处理操作；然后，采用LSTM提取文本特征，采用MobileNetV2提取摘要附图特征，将文本特征、图像特征与评估指标拼接融合，得到不同模态信息融合的多维特征；最后，将多维特征输入到全连接层，结果经sigmoid函数输出。[结果/结论] 与基于单模态、双模态信息的模型相比，LMI方法能够更精准地识别高价值专利。
关键词：跨模态,深度学习,高价值专利识别,LSTM,MobileNetV2,
基金资助：本文系中国科学院成都文献情报中心2022年创新基金创新业务平台项目“数据与知识科学实验室”（项目编号：E3Z0000105）研究成果之一。
