基于特征向量空间模型的专利分析：以物联网为例
计算与语言
2019-04-18 v1 信息检索
摘要
全球每年获批的专利数量迅速增长，这需要新的专利分析方法来高效挖掘附着于这些专利上的有价值信息。向量空间模型（VSM）将文档表示为高维向量，其中每个维度对应一个唯一的词项。VSM 最初为信息检索系统提出，但也在专利分析中得到广泛应用，并被用作将专利文档映射为结构化数据的基础工具。然而，VSM 方法应用于专利分析任务时存在若干局限性，如句子级语义的丢失和维度灾难问题。为了解决上述局限性，我们提出了一种基于特征向量空间模型（FVSM）的专利分析方法，其中 FVSM 通过将专利文档映射为由卷积神经网络（CNN）提取的特征向量来构建。本文讨论了 FVSM 在三个典型专利分析任务中的应用，即专利相似性比较、专利聚类和专利地图生成。通过使用与物联网技术相关的专利进行案例研究，展示了 FVSM 的性能和有效性。所提出的 FVSM 可被其他专利分析研究采用以替代 VSM，并在此基础上执行各种大数据学习任务。
引用
@article{arxiv.1904.08100,
title = {Patent Analytics Based on Feature Vector Space Model: A Case of IoT},
author = {Lei Lei and Jiaju Qi and Kan Zheng},
journal= {arXiv preprint arXiv:1904.08100},
year = {2019}
}