基于深度学习的中文专利自动分类方法研究
来源：图书情报工作杂志2020年第10期北京时间：
作者：吕璐成,韩涛,周健,赵亚娟
单位：1 中国科学院文献情报中心, 北京, 100190;<br />\r\n2 中国科学院大学经济与管理学院图书情报与档案管理系, 北京, 100190;<br />\r\n3 中国科学院计算技术研究所, 北京, 100190
摘要：[目的/意义] 面向当前国内专利审查和专利情报分析工作中对于海量专利分类的客观需求，设计了7种基于深度学习的专利自动分类方法，对比各种方法的分类效果，从而助力专利分类效率和效果的提升。[方法/过程] 针对传统机器学习方法存在的缺陷，基于Word2Vec、CNN、RNN、Attention机制等深度学习技术，考虑专利文本语序特征、上下文特征以及分类关键特征，设计Word2Vec+TextCNN、Word2Vec+GRU、Word2Vec+BiGRU、Word2Vec+BiGRU+TextCNN等7种深度学习模型，以中国专利为例，选取IPC主分类号的"部"作为分类依据，对比这7种模型与3种传统分类模型在中文专利分类任务中的效果。[结果/结论] 实证研究效果显示，采用考虑语序特征、上下文特征及强化关键特征的深度学习方法进行中文专利分类具有更优的分类效果。
关键词：专利自动分类,深度学习,词嵌入,专利文本挖掘,
基金资助：本文系中国科学院青年人才项目"基于深度学习的专利所属产业分类"（项目编号：G180161001）研究成果之一。
