个性化专利权利要求的生成与度量
计算与语言
2019-12-13 v2
摘要
这篇进行中的论文提出了一个生成并度量个性化专利权利要求的框架。其目标是帮助发明人通过向相关发明人学习来构思更好的发明。专利权利要求生成对发明人而言是一种“增强发明”的方式。此类专利权利要求生成利用了深度学习领域近期的迁移学习，尤其是基于最先进的 Transformer 的模型。在系统实现方面，计划为专利权利要求起草构建一个“自动补全”功能。该自动补全功能从四个不同视角进行分析：生成程度、生成方向、生成邻近度与生成约束。在技术层面，该框架由两个 Transformer 模型组成。一个用于文本生成，另一个用于质量度量。具体而言，专利权利要求生成基于 GPT-2 模型，而个性化度量基于 BERT 模型。训练数据以发明人为中心，来自 USPTO 提供的 Inventors Endpoint API。
引用
@article{arxiv.1912.03502,
title = {Personalized Patent Claim Generation and Measurement},
author = {Jieh-Sheng Lee},
journal= {arXiv preprint arXiv:1912.03502},
year = {2019}
}
备注
2 figures, 12 pages. Presented at the 32nd International Conference on Legal Knowledge and Information Systems (JURIX 2019) and to be published in the CEUR Workshop Proceedings