专利文本分类的基础问题研究

摘要：

对专利文本分类中的基础问题进行研究,包括术语作为专利文本分类特征的适用性,主权项字段分类研究和相近主题对分类结果的影响等.研究在两种朴素贝叶斯分类器、kNN、Racchio和支持向量机等5个分类器上进行,测试主要采用交叉验证的方法.研究结果显示,在同样的设定下,采用术语作为特征的分类结果优于使用一般特征词；使用摘要训练,对主权项进行分类有助于改善主权项的分类效果；相近主题会降低分准率,有必要设计层次的分类器进行分类试验.研究结果可以为专利文本分类研究和实践提供参考数据,并可作为信息分析等工作使用专利文本分类技术的参考.

关键词：专利、文本分类、文本挖掘

分类号：G353.1(情报学、情报工作)

资助基金：第51批中国博士后科学基金面上资助一等资助项目"科技文本信息资源中术语抽取与基于术语的分类与聚类"2012M510040;中国科学技术信息研究所学科建设项目"自然语言处理"项目XK2012-6的研究成果之一

在线出版日期：2013-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44