基于模糊逻辑的专利数据层次分类研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题的背景和意义 | 第7-8页 |
| ·专利数据知识发现概述 | 第8-10页 |
| ·专利文本挖掘研究现状 | 第8-9页 |
| ·专利文本挖掘的方法 | 第9-10页 |
| ·专利文本挖掘的过程 | 第10页 |
| ·专利文本分类的研究进展 | 第10-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 第二章 专利数据信息特征及国际IPC分类 | 第13-23页 |
| ·专利数据信息特征 | 第13-15页 |
| ·技术信息特征 | 第13-14页 |
| ·法律信息特征 | 第14页 |
| ·经济信息特征 | 第14-15页 |
| ·专利说明书的组成部分 | 第15-17页 |
| ·扉页 | 第15-16页 |
| ·说明书 | 第16页 |
| ·权利要求书 | 第16-17页 |
| ·附图 | 第17页 |
| ·检索报告 | 第17页 |
| ·IPC分类系统层次结构 | 第17-18页 |
| ·专利数据分析方法 | 第18-23页 |
| ·专利数据的定量分析 | 第19-21页 |
| ·专利数据的定性分析 | 第21-22页 |
| ·专利地图及其应用 | 第22-23页 |
| 第三章 专利文本分类的预处理 | 第23-31页 |
| ·文档的向量空间模型 | 第23-24页 |
| ·特征提取算法 | 第24-28页 |
| ·信息增益选择算法（IG） | 第25页 |
| ·互信息量(MI) | 第25-26页 |
| ·词条的χ2 统计(CHI) | 第26-27页 |
| ·期望交叉熵 | 第27页 |
| ·TFIDF权重计算公式 | 第27-28页 |
| ·专利文本分类特征提取 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 专利文本分类的主要方法 | 第31-40页 |
| ·文本分类的主要方法 | 第31-36页 |
| ·最小距离分类器 | 第31-32页 |
| ·朴素贝叶斯分类器（NB） | 第32-33页 |
| ·最近邻居分类法(KNN) | 第33-34页 |
| ·决策树分类 | 第34-35页 |
| ·支持向量机分类算法 | 第35-36页 |
| ·专利文本分类算法 | 第36-39页 |
| ·SVM-KNN组合改进算法 | 第36-37页 |
| ·面向专利数据的层次分类算法 | 第37-39页 |
| ·专利文本分类的特点 | 第39页 |
| ·总结 | 第39-40页 |
| 第五章 基于模糊逻辑的专利数据层次分类方法 | 第40-51页 |
| ·层次分类器的构建 | 第40-42页 |
| ·专利数据自动分类 | 第42-44页 |
| ·仿真实验 | 第44-51页 |
| ·层次分类器的仿真 | 第44-47页 |
| ·分类结果及其分析 | 第47-51页 |
| 第六章 总结 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-61页 |
| 致谢 | 第61页 |
