基于 Transformer 与图嵌入的深度专利布局模型
计算与语言
2019-11-25 v4 数字图书馆
摘要
专利布局（patent landscaping）是在研发（R&D）项目中用于检索相关专利的方法。为避免专利侵权风险并跟踪当前技术趋势，专利布局是研发项目早期阶段的一项关键任务。由于专利布局过程需要高级资源且可能繁琐，对自动化专利布局的需求正逐步增加。然而，缺乏定义良好的基准数据集与可比较模型使得寻找相关研究变得困难。本文提出一种基于深度学习的自动化专利布局模型。为分析专利文本，所提模型使用改进的 transformer 结构。为分析专利元数据，我们提出一种使用称为 Diff2Vec 的扩散图的图嵌入方法。此外，我们引入四个基准数据集以比较专利布局中的相关研究。这些数据集通过 Google BigQuery 查询生成，基于一名韩国专利代理人的检索公式。所得结果表明，与当前专利布局模型相比，所提模型与数据集可达到 SOTA 性能。
引用
@article{arxiv.1903.05823,
title = {Deep Patent Landscaping Model Using Transformer and Graph Embedding},
author = {Seokkyu Choi and Hyeonju Lee and Eunjeong Lucy Park and Sungchul Choi},
journal= {arXiv preprint arXiv:1903.05823},
year = {2019}
}