基于内容分析的专利挖掘技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景 | 第12-13页 |
| ·研究现状 | 第13-15页 |
| ·相关工作 | 第15-16页 |
| ·本文的研究内容 | 第16-18页 |
| 第二章 专利挖掘任务及系统架构 | 第18-30页 |
| ·专利基本概念 | 第18-20页 |
| ·专利概念 | 第18页 |
| ·专利分类表 | 第18-20页 |
| ·专利挖掘任务 | 第20-25页 |
| ·专利挖掘任务描述 | 第20-21页 |
| ·专利挖掘任务数据 | 第21-24页 |
| ·评价方法 | 第24-25页 |
| ·专利挖掘中的问题分析 | 第25-27页 |
| ·专利挖掘系统架构 | 第27-29页 |
| ·问题提出 | 第27-28页 |
| ·系统架构 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 分类技术 | 第30-36页 |
| ·文本分类定义 | 第30-31页 |
| ·特征选取方法 | 第31-33页 |
| ·文档频度 | 第31-32页 |
| ·类别频度 | 第32页 |
| ·信息增益 | 第32页 |
| ·CHI-统计 | 第32-33页 |
| ·特征权重的计算方法 | 第33-34页 |
| ·布尔权重 | 第33页 |
| ·词频权重 | 第33页 |
| ·tf×idf-权重 | 第33-34页 |
| ·分类器 | 第34-35页 |
| ·KNN分类器 | 第34页 |
| ·支持向量机 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 专利文本的向量表示 | 第36-50页 |
| ·问题提出 | 第36-37页 |
| ·训练数据的存储 | 第37-38页 |
| ·倒排索引技术 | 第37页 |
| ·专利倒排存储 | 第37-38页 |
| ·专利文本向量表示 | 第38-42页 |
| ·数据的预处理 | 第38-40页 |
| ·特征选取的方法 | 第40页 |
| ·类别中心向量表示方法 | 第40-42页 |
| ·实验及分析 | 第42-49页 |
| ·基于同源数据的实验 | 第43-44页 |
| ·基于专利不同字段实验 | 第44页 |
| ·特征选取的方法实验 | 第44-46页 |
| ·基于USPTO的不同K值实验 | 第46-47页 |
| ·基于中心向量的方法 | 第47页 |
| ·类别归并的方法实验 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第五章 文本相似度计算方法 | 第50-56页 |
| ·向量余弦 | 第50页 |
| ·BM25 | 第50-51页 |
| ·SMART算法 | 第51-52页 |
| ·Pivoted Normalisation方法 | 第52页 |
| ·Log-linear | 第52-53页 |
| ·实验及分析 | 第53-55页 |
| ·实验数据 | 第53页 |
| ·评价方法 | 第53页 |
| ·实验及分析 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第六章 基于多种RANKING的决策方法 | 第56-64页 |
| ·求异排序 | 第56页 |
| ·投票方法 | 第56-57页 |
| ·相似度加和 | 第57页 |
| ·相似度均值 | 第57-58页 |
| ·类别权重加和 | 第58页 |
| ·相似度位置权重加和 | 第58页 |
| ·实验及分析 | 第58-63页 |
| ·基于不同Ranking方法比较实验及分析 | 第59页 |
| ·基于Rank-SVM决策方法实验 | 第59-62页 |
| ·多个最优系统线性组合实验及分析 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第七章 总结及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士期间发表的论文 | 第72页 |
