基于卷积神经网络与随机森林算法的专利文本分类模型

摘要：

为解决专利文档的自动化分类,根据机械领域专利文本的特点,提出了一种基于卷积神经网络与随机森林的机械专利文本分类模型;该模型应用卷积神经网络作为有监督的文本特征提取器,结合随机森林作为分类器,面向机械领域专利文本进行专利文本分类.该模型被应用在包含96类的107302份英文机械专利文档的数据集上.实验结果表明,该模型相比k近邻、Na?ve Bayes、随机森林等经典机器学习算法在准确率、召回率以及查全率方面均有显著提高.

关键词：机械专利分类、深度卷积神经网络、随机森林、文本特征提取

所属期刊栏目：18

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61640209,51475097;贵州省科技计划黔科合LH 字[2016]7433号,黔科合JZ 字[2014]2001号,黔科合人才[2015]4011号,黔科合JZ 字[2014]2004号,黔科合人字201513号

在线出版日期：2018-05-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：268-272