多示例多标签学习在中文专利自动分类中的应用研究
来源：图书情报工作杂志2021年第8期北京时间：
作者：包翔,刘桂锋,崔靖华
单位：1 江苏大学科技信息研究所 镇江 212013;2 南京大学信息管理学院 南京 210093
摘要：[目的/意义] 旨在对大量的中文专利实现快速分类，满足专利审查以及情报分析等工作的要求。[方法/过程] 结合专利文本的固有格式以及存在多个IPC分类号的实际情况，将多示例多标签学习应用于专利自动分类中，在介绍几种经典的多示例多标签模型的基本原理之后，将这些模型运用于中文专利IPC分类号的确定。[结果/结论] 实验证明，多示例多标签模型适合运用在专利的自动分类中，并且从Average precision、Hamming Loss、Ranking Loss、One Error、Coverage、Training time等指标分析可以发现，MIMLRBF模型能快速、准确地运用在中文专利IPC分类号的确定中，为大规模专利的自动分类提供借鉴。
关键词：专利,分类,IPC分类号,多示例多标签,
基金资助：本文系江苏省高校哲学社会科学研究一般项目\"主题模型在高校图书馆知识产权信息服务中的研究与实践\"（项目编号：2019SJA1870）和江苏省高校自然科学研究面上项目\"基于多示例多标签学习及深度神经网络的专利主题分类研究\"（项目编号：19KJB520005）研究成果之一。
