研究并根据情况自动分类映射Patent-Knowledge表示

文摘

专利是一种长期的文学包含在大多数领域最完整的设计信息。因此,它可以为设计师提供有价值的指导来解决各种不同领域的设计问题。建立映射关系和专利知识在不同领域的设计问题是创建一个激励的关键渠道的转移和结合多学科知识专利。根据情况设计问题之间的映射和专利知识,patent-knowledge表示方法和自动专利分类提出了本文。描述的问题是使用四个维度,即功能,性能,关系,和情感,根据设计问题类型。Multigranular情况属性提取不同的设计问题。一个结构化属性数据库的建立。问题情境和专利知识之间的映射关系。实现专利知识的有效利用,本研究探讨自动patent-classification方法使用情况的属性作为分类类别。专利知识的应用系统是由这种方法。 The system can support the search for patent knowledge related to the design problem and effectively assist designers in achieving an innovative design process.

1。介绍

由世界知识产权组织的一项研究表明,90% - -95%的发明专利报道,世界上80%的人并不是记录在其他文本。有效利用专利资源可以缩短产品开发时间60%,节省研发成本的40% (1]。专利知识不仅是一种载体创新成就也是一种重要的资源,扩大知识空间,促进发明创造的水平。因此,它是至关重要的有效利用专利文献中隐性知识为了为设计师提供更有价值的设计信息的计算机辅助创新设计产品。

一个问题是识别知识发现的动力,它总是开始于问题的表现情况。受制于有限的短期处理能力和关注当前复杂的任务,人类的大脑很难从一个思维方式转变到另一个(2- - - - - -4]。验证每一个可能可以压倒性的认知信息处理过程,和人们通常解决问题的方式取决于类比思维(5]。是否熟悉解决新的问题,人们总是寻找相似性当前和先前的问题开始,然后激活与他们相关的知识。大脑的analogical-thinking机制代表了一个更高效的生活方式,从而使人类几乎总能找到有效的解决问题,而不是扫描试验和错误的记忆。关于类比的运用机制在解决问题的过程中,当前的研究人员认为,类比问题解决需要解决问题看到一些相似性当前和记忆和识别中存在的问题是否表面特征,语义,关系,结构等等6]。类比思维的本质是设计知识的转移从一个环境到另一个使用映射过程。它旨在找到一组之间的一对一通讯(通常是不完整的)一个身体的知识信息和另一个(的方面7- - - - - -10]。完成情况之间的转移问题和知识,他们应该建立映射,和相关的知识资源应该有组织的系统。

根据用户需求,本文认为,设计问题分为四个维度:功能、性能、关系和情感。从功能设计问题维度反映了用户的描述产品的功能需求;设计问题从业绩维度反映了用户的功能需求的描述产品的技术性能;设计问题的关系维度反映了用户的描述产品的组件之间的关系;和设计问题从情感维度反映了用户的描述产品的外观或表现。准确地描述主要的设计问题,提取不同情况下属性设计问题是必要的,这些属性有助于清楚地定义设计问题。能剧(11]和Cong [12)提取的发明原理设计问题作为情况属性为了我的专利知识的技术信息,建立一个统一的表示模型的专利。李(13)提取产品的功能信息的情况下属性设计问题和实现有效挖掘专利知识的隐性知识。Trappey [14,15Yu), (16),和李17)被认为是产品技术发展趋势的情况设计问题的属性来预测未来技术改进的方向。陈(18]认为科学影响情况的属性设计问题,深入分析了专利技术的工作原理。卡迪罗(19和李20.)选择工程参数情况下的属性设计问题分析和解决技术冲突的系统。然而,一个复杂的系统通常包含的属性功能,性能,关系和情感。完整性是缺乏建立设计问题和专利知识之间的映射关系从一个属性。这种限制不能支持系统组织的专利产品设计的知识从不同方面根据设计者的需要。

支持之间的复杂映射过程设计问题和专利知识,系统根据不同情况组织专利知识属性是必要的。然而,阅读手册的工作负载,标签,根据情况和分类专利属性重,大大降低了专利知识的有效利用。专利作为patent-text处理的主要工具和自动分类,计算机自然语言处理技术是一种有效的替代手工工作改进专利知识的利用。Ghareb [21],Labani [22陈],[23)提出了几个专利文本特征选择方法,可以有效地支持专利文本的属性提取。朱(24)提出了一个自动requirement-oriented patent-classification方法更好地满足各种专利管理的要求。吴(25)提出了一个基于自组织映射的自动分类方法和支持向量机(SVM),可以帮助有效地分析专利的质量。赖(26]提出了一种新的方法基于cocitation文献计量学分析来评估专利的相似性来支持建立一个分类系统。刘(27)提出了一个混合patent-classification方法分析查询专利和有效地预测他们的类。陈(28)提出了一种新型三相专利分类方法可以分类到子群与合理的准确性。然而,大多数的上述研究仅限于专利文本或有效的分析提取关键词,提高自动专利分类的准确性。另一方面,只有少数研究如何提高自动专利分类的准确性从多个维度的整个系统,包括功能、性能、关系和情感。

patent-knowledge表示方法和自动专利分类提出了基于情况映射。根据设计问题的类型,我们描述了问题情境的四个维度,也就是说,功能,性能,关系,和情感,并提取粒度属性维度的不同情况。我们建立了一个结构化属性数据库和一个映射关系问题情境和专利知识基于语义相似度的属性。此外,一个自动分类方法提出了基于情境的专利信息属性,和一个实验自动专利分类属性类别的使用情况进行了使用电脑。建立分类器的实验被用来分类大量未知的专利文本分类结果满意时一般使用。专利知识的应用系统是由该方法,实现有效利用专利知识在解决创新设计问题。

2。问题情境之间的映射过程和专利知识

因为多样性和复杂性的问题在不同的设计阶段和不同领域,从不同维度提取问题情境属性必须精确地建立映射关系问题情境和专利知识。此外,创造性地解决问题的过程涉及到具体化的问题情境,从而导致所需的专利知识,属于不同的抽象粒度在不同的设计阶段。因此,提取不同的细粒度属性根据问题的抽象级别情况是重要的为了建立一个完整的映射关系的解决方案的过程。接下来,我们之间的映射过程问题现状和专利知识基于多维和multigranular情况属性。

2.1。问题情境之间的映射过程和专利知识基于多维属性

根据用户的要求设计的29日),我们选择功能、性能的关系,以及情感的属性问题的情况。函数的属性反映了产品设计的终极目的还是最初的设计要求,这反映了技术的价值的体现。性能属性侧重于解决核心问题来提高产品性能和完善整个系统。的关系属性旨在建立或切断产品组件之间的连接使整个系统更加综合和完美。情感属性主要用于满足设计者的情感或精神欲望通过改变产品的外观或表达式。问题情境之间的映射过程和专利知识根据情况属性从这些尺寸如图1。

2.2。问题情境之间的映射过程和专利知识基于Multigranular情况属性

总结知识的造粒方法,和粒度是衡量知识抽象(30.]。设计问题的多个特征代表了逐渐澄清问题情境的过程。大致情况属性是用于查找专利知识的不准确的解决方案。当问题约束更具体的问题情境,更精致的情况下属性用于在专利知识寻求更精确的解决方案。这个问题和知识空间之间的互动过程持续,直到得到精确解。例如,形势属性可以被视为“分离物质”提取“如何设计问题的干净的衣服上。分离物质“根据不同的解决方案,可以定义为“消除物质”或“分解物质。“进一步”,消除物质”可以分为“消除固体,”“消除液体,”“删除气体,”等等。特定的映射过程如图2。

2.3。问题情境的规范化表示和提取属性

因为不同的表征问题的情况下,遇到巨大困难的提取情况下属性。因此,以标准化的方式描述问题情境是必要的。根据人类的认知机制和特征问题的情况下,对象的形式”吗?和操作的对象吗?“结合”操作+对象”可以作为一个情况中提取属性。例如,在“让衣服干净”事件,问题情境所描述的“手术操作的对象是衣服,用来达到目的是清洗。“形势特征是“洗+衣服。“性能维度主要旨在解决技术冲突的整个系统,提高产品性能。因此,形式”来改善产品的性能,参数需要优化吗?,参数变得更糟吗?“可以描述问题的情况。优化和糟糕的参数提取属性。例如,在“提高飞机飞行稳定,“问题情境可以描述为“提高产品的性能,强度参数需要优化,参数会使情况恶化是重量。“强度和重量参数提取属性。关系维度,因为任何单位的系统由两个组件和组件交互,物质场分析的方法可以用来优化产品的组件之间的交互。发送者的“组件1(角色)吗?接收机、组件2(角色)吗?,以及它们之间的相互作用吗?”是用来描述问题的情况。这两个组件及其交互提取情况属性。例如,在“轴承故障是因为尘埃”事件,“组件1(角色发送者)是灰尘、组件2(角色接收机)轴承,以及它们之间的相互作用是有害的效应”是用来描述问题的情况。尘埃(组件1),轴承组件(2),属性提取和有害影响情况。从情感维度,提供了一个简洁的情感词汇来描述产品的外观或表达,他们可以准确反映设计者对产品的感受。“从产品的感觉吗?“可以用来描述问题情况,和感觉是提取属性。例如,在“设计一个华丽的裙”事件,从产品获得“华丽的感觉吗?“可以用来描述问题情况下,属性和华丽的感觉是提取情况。问题的规范化表达情况和形势的提取属性如图3。

3所示。结构化属性数据库的建立问题

实现专利的问题情境和知识之间的复杂映射关系,建立一个结构化的抽象属性数据库从不同维度、不同粒度是必要的。从功能维度,选择功能基础的函数属性根据赫兹(31日组合和分类函数和流动。作为一种标准化的表示一个函数,功能是高度抽象和集成的基础。它分为两个层次。第一层由11个类别,即转变,规范,吸收,结合,探测、稳定、进口、积累,输出,生产和分离。第二层由52个子类,其中包括稳定运动参数,工艺参数稳定,稳定的几何参数,等等。图4显示了这些层。

性能维度分为两层根据技术矛盾相结合的理论。第一层由39个类别,包括速度、力量,权力,可靠性,等等。102年第二层包含子目录,包括角速度,线速度,安培力,库仑力,等等。这些层图所示5。

关系维度分为两层根据substance-field分析相结合的理论。第一层由四类,即不完整,有害的完整性,完整性不足,多余的完整模型。第二层包含大约25子分类,包括:模型缺少组件1,模型2缺少组件,组件的模型1有害成分2,等等。他们在图所示6。

情感维度首先分为两层。第一层由42个类别,包括颜色,和谐,稳定,等等。162年第二层包含子目录,包括时尚、简单、得体,亮度,成熟,等等。图7显示了这些层。

促进专利知识的计算机存储,structuralizing情况属性是必要的。每个专利的设置情况属性可以表示如下: 在哪里个人电脑专利知识和吗F(函数),P(性能),R(关系),E(情感)情况的四维属性。函数可以表示为属性 和 ,在哪里和是第一和第二的情况下属性层,分别。性能的属性、关系和情感可以以相同的方式来表示。

4所示。问题情境之间的映射关系和基于专利知识属性

根据属性数据库,一个问题情境和专利知识之间的映射关系。为设计师提供准确和丰富的专利知识资源与他们的问题,深入分析了问题情境和专利知识需要了解设计意图和准确地介绍了专利知识设计者尽可能多。因为设计问题的情况和专利知识以自然语言的形式描述,他们是非常主观的,不同的。建立一个指称相同情况的属性之间的关系是一个重要的需求获得专利的相关知识。使用自然语言的语义特征是一个可靠的方法获取之间的关系属性通过计算语义相似度。然而,所选单词语义上下文密切相关,和一些差异存在于不同的文本环境。因此,建立指称相同属性的关系可能不可能获得的,因为他们的背景。Word2vec在谷歌是一个有效的工具来表示词2013年数值向量(32]。CBOW (Bag-of-words模型)可以生成高维特征向量的目标词根据单词的频率附近的目标词在文本中。一个特征向量可以有效地反映了语义的重量目标词在文本中。因此,目标词的语义关系,可以通过计算特征向量的余弦相似性的不同的目标的话。因此,Word2vec工具用于建立指称相同情况的属性之间的关系获得专利的相关知识和有效地扩大其应用范围。

的情况下属性可以从设计师获得设计问题。然而,专利知识的情况下属性不能直接从专利知识,直到获得深度阅读已经由一个专家小组。因为大量的专利和快速更新,手动深度阅读方法和专利分类patent-knowledge利用的效率影响很大。根据自然语言的特点,计算机自然语言处理技术用于提取代表话语从专利文本特征,并选择一个合适的分类算法专利文本自动分类属性类别使用情况。因为产品或系统的情况下属性包括四类,即功能,性能,关系,和情感,他们以自然语言的形式描述,它们可以实现通过计算机自然语言处理技术。由于空间的限制,本文只情况属性功能维度作为一个例子展示的实验过程的专利文本的自动分类。其他属性都以同样的方式处理。

5。自动专利分类基于函数属性

根据一般的自动分类方法使用计算机自然语言处理技术,我们建议根据情况自动分类过程属性,如图8。根据国际分类标准(IPC),中国专利下载相关的工程技术,包括操作、运输、机械工程、武器、爆破、照明、加热、电,等等。情况从专利和手动标记提取的属性在不同的尺寸和不同的抽象粒度。这些标签专利构成文本的自动分类实验,和文本集分为训练集和测试集使用一定的分离比。功能词,代表专利信息,训练集和测试集的选择。他们得到的特征向量计算词频在文本集。然后,选择适当的classification-training方法开发一个分类器。测试集分类器,分类的结果相比,其手动标签。因此,可以评估分类器精度。当分类结果最终匹配定义的目标,分类的分类器可以应用于任何未知的专利。每一步的细节将在以后的章节解释道。

5.1。Patent-Text准备

因为专利文本包含大量的信息,包括专利号、标题、抽象,要求,描述,等等,没有统一结论目前关于哪些部分可以到达合适的专利文本的代表。专利的标题和摘要总结的主要设计问题和发明专利,内容涵盖核心专利的创造性和新颖性信息。此外,张(33梁),(34)测试“标题+文摘”专利信息提取的样本,结果显示,“标题+文摘”能有效表达的主要创意专利信息。因此,本文认为“标题+文摘”的形式可以更好的满足情况的提取属性。843年发明专利的样本是随机从一个中国专利网站下载。后由专家小组深度阅读,每个专利文本的函数属性定义并手动标记的样本集分类实验。

5.2。特征选择

选择功能词可以表示文本信息,文本需要划分为一个词。成熟的开源汉语词法分析系统ICTCLAS [35)用于部分专利标题和抽象的代表。考虑到专利的少量样本和有限的每个文本的长度,这个术语的特征选择方法frequency-inverse文档频率(TF-IDF) [36)计算每个特性的重量选择词在文本中。根据词权重的顺序,前80%的单词选择功能词的实验。TF-IDF评估的重要性,一个词或短语文本通过计算其频率。如果一个词或短语经常很少出现在文本和其他文本,我们认为这个词或短语之间有一个非常杰出的能力和适合分类的类别。TF-IDF表示的特征值计算公式如下: 在哪里 频率和这个词吗是逆文本的频率。 在哪里是功能词的次数出现在文本 , 是文本序列号,的总数乘以这个词出现在文本吗 。 在哪里N所有文本的数量和吗表示文本包含术语的数量 。TF-IDF会过滤掉常用单词和储备重要单词。

5.3。向量化的专利文本

特性选择单词后,特征值计算的特征选择用作功能词的重量。因此,文本 ,这是表示为 ,只是表示为 。所有文本形式的特征向量空间整个文本的特征向量集。

5.4。分类实验和结果分析

11函数属性,即转变,规范,吸收,结合,探测、稳定、进口、积累,输出,生产,和独立,作为分类的类别,选择和文本设置分为两种类型的比率:80%和20%的训练集和测试集,分别训练集和测试集,70%和30%,分别。不同text-learning算法用于建立训练集的分类器。在测试集,测试分类器的分类精度计算分析实验结果。目前,各种分类学习算法可用,包括再支持向量机(37),朴素贝叶斯,多层感知器(MLP) [38),等等。因为差异的实验设置,没有一致的结论可以到达识别分类算法更有效。本研究选择延时和SVM进行实验。的谐波意味着F1-score P(精度)R(召回)作为评估标准。P是指正确分类文本的数量除以分类文本的数量,和R指正确分类的数量除以实际数量的文字在测试集。这个公式表示如下:

每个类别的分类结果如图9和10。

从实验数据,得到了以下结论。(1)当使用支持向量机算法,建立了分类器的精度,除了三个类别的生产、吸收和结合,是大约50%。F在其他类别的准确性高达83%。与随机分类相比,F具有更高精度,这表明计算机自然语言处理技术的可行性和大优势的专利文本的自动分类。(2)F的准确性比较高时,文本集分为训练集和测试集20% 80%,当训练集文本集分为70%和30%的测试集,除了结合,积累,和输出类别。这个结果表明,适当增加训练集的比例自动patent-text分类的过程中可以有效地提高分类精度。(3)两种分类算法的准确性比较清楚地表明,支持向量机算法的准确性明显高于中长期规划的算法除了生产和组合类别。这一结果表明,SVM算法更好的专利文本的自动分类。

目前,专利自动分类的准确性并不理想。但不同的分类算法对分类结果的影响将提供后续的基础建立大范围的语料库,以有效改善专利分类的准确性。

6。开发Patent-Knowledge系统基于属性

共有65548个专利文本的形式(“标题+文摘”)自动从一个专业的专利数据库获取使用Web爬虫程序。使用情况属性(四维空间的功能、性能的关系,和情感),类别,这些专利文本自动分类的分类方法,并建立一组分类。

分析问题情境和检索类比知识在设计过程中,patent-knowledge-retrieval系统基于情境属性是使用Eclipse的Java开发的快速开发平台。用户可以使用自然语言描述问题的四个维度:功能、性能、关系和情感。例如,用户可以输入情况属性的形式“操作和对象”功能维度的设计问题。当形势属性输入匹配一个属性在属性数据库的所有情况,该系统将设计师的专利文本属于情况属性。当形势属性输入不匹配任何情况下属性在属性数据库中,系统立即之间的语义相似度计算的输入和数据库中的每个情况属性和推动三到五情况最相似的输入属性。用户可以选择一个环境属性,系统将专利文本属于所选用户属性。例如,在污水处理的问题的问题在制造行业,“治疗+污水”的情况下属性可以从函数中提取维度。然后,用户输入“治疗”和“污水”文本框,分别。接下来,用户需要选择一个情况下属性从五个。最后,该工具为用户提供了810项专利和专利的类别包括照明、取暖、电力等,可有效激发用户完成创新设计过程。 The main interfaces of the tool’s application process are shown in Figures11和12。

7所示。结论

本研究调查的方法并根据情况自动分类映射patent-knowledge表示。该方法可以有效地协助设计师获得专利相关知识设计问题,这样他们可以开发一个创新设计的过程。主要包括以下内容:(1)的基础上情况属性之间的映射过程问题情境和专利知识开发,建立数据库和多维multigranular属性。(2)之间的映射关系问题情境和专利知识形成和建立属性之间的相互引用关系情况。(3)自动patent-classification方法提出了基于情境属性,和使用的分类方法,专利知识的应用系统。

由于问题的复杂性和多样性的情况下,问题情境之间的映射关系和专利知识需要进一步改善。相关研究将进行以下四个方面:(1)进一步研究是建立更丰富的属性和指称相同情况的关系,以各种形式之间的映射设计问题和专利知识。(2)有必要提出一种更加合理、高效的自动分类方法,以提高分类精度的中国专利或英文专利。(3)下一步的研究将考虑如何获得的重量分布情况属性根据用户需求。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者没有利益冲突的声明。

确认

这项工作是由中国科技部创新方法计划(2017号im040100)和四川的应用基础研究资助项目(2018号jy0119)。

引用

1. 中州。曾,C.-J。林和我。林”,文本挖掘技术专利分析,“信息处理与管理,43卷,不。5,1216 - 1247年,2007页。视图:出版商的网站|谷歌学术搜索
2. f . Gobet“分块模型的专业知识:对教育。”应用认知心理学,19卷,不。2、183 - 204年,2010页。视图:谷歌学术搜索
3. p·钱德勒和j .溶胀剂”,认知负荷在学习使用电脑程序,”应用认知心理学,10卷,不。2、151 - 170年,2010页。视图:谷歌学术搜索
4. 萨拉和f . Gobet“专家”内存优势领域特定随机材料概括了跨领域的专业知识:一个荟萃分析,“记忆与认知,45卷,不。2、183 - 193年,2017页。视图:出版商的网站|谷歌学术搜索
5. a . Carmeli g . z犀飞利,t·r·ShimoniReiter-Palmon“转型领导和创造性地解决问题:心理安全的中介作用和自反性,”《华尔街日报》的创造性行为,48卷,不。2、115 - 135年,2014页。视图:出版商的网站|谷歌学术搜索
6. b . m . Rottman d根特纳,m·b·戈德华特“因果系统类:新手和专家分类差异的因果现象,”认知科学,36卷,不。5,919 - 932年,2012页。视图:出版商的网站|谷歌学术搜索
7. c·r·沃尔夫和v f·瑞娜,“估计联合概率语义一致性和谬误”,杂志的行为决策,23卷,不。2、203 - 223年,2010页。视图:出版商的网站|谷歌学术搜索
8. s b, r·l·戈德斯通”知识的导入导出:连接发现和学习迁移理论,“教育心理学家卷,47号3、153 - 176年,2012页。视图:出版商的网站|谷歌学术搜索
9. i . j .贝内特和d·j·马登”断开连接的老化:脑白质完整性和与年龄相关的认知的差异,“神经科学卷,276年,第205 - 187页,2014年。视图:出版商的网站|谷歌学术搜索
10. f·冈瑟,c . Dudschig和b . Kaup”LSAfun-an R包基于潜在语义分析的计算,”行为研究方法卷,47号4、930 - 944年,2015页。视图:出版商的网站|谷歌学术搜索
11. h .能剧、y乔和李,“关键词选择和处理策略应用文本挖掘专利分析,“专家系统与应用程序,42卷,不。9日,2015年。视图:出版商的网站|谷歌学术搜索
12. h .丛和l . h .通“分组相结合创造性原则促进专利分类、自动”专家系统与应用程序,34卷,不。1,第795 - 788页,2008。视图:出版商的网站|谷歌学术搜索
13. W.-q。李,李y, j·陈,彭译葶。侯”,基于产品功能信息的自动专利分类:方法和实验研究中,“信息系统卷,67年,第82 - 71页,2017年。视图:出版商的网站|谷歌学术搜索
14. c . v . Trappey a . j . c . Trappey H.-Y。彭,L.-D。林,T.-M。王”,一个以知识为中心的方法对牙科植体技术评估使用基于本体的专利分析和临床荟萃分析,“先进的工程信息,28卷,不。2、153 - 165年,2014页。视图:出版商的网站|谷歌学术搜索
15. A . j . c . Trappey p p . j . Chen c . v . Trappey l .马,“机器学习方法对太阳能技术审查和专利进化分析,“应用科学,9卷,不。7,1478年,页2019。视图:出版商的网站|谷歌学术搜索
16. h . Yu和d .粉丝,“人造木板技术趋势相结合进化理论的基础上,“物理Procedia,33卷,不。6,221 - 227年,2012页。视图:出版商的网站|谷歌学术搜索
17. c·李,y . j .全和y公园,“监控技术变革趋势,基于动态专利晶格:修改后的正式的概念分析方法,”技术预测和社会变革,卷78,不。4、690 - 702年,2011页。视图:出版商的网站|谷歌学术搜索
18. j·w·陈,徐x d和x沈,“回顾基于知识的计算机辅助产品创新设计,“应用力学和材料卷,713 - 715,2335 - 2340年,2015页。视图:出版商的网站|谷歌学术搜索
19. a·卡迪罗、f . g . Cascini和面条,“计算机辅助设计体现通过杂交mono客观优化有效的创新过程,”计算机在工业领域,卷62,不。4、384 - 397年,2011页。视图:出版商的网站|谷歌学术搜索
20. z, m·阿瑟顿和d·哈里森”识别专利冲突:TRIZ-led专利地图,”世界专利信息39卷,11-23,2014页。视图:出版商的网站|谷歌学术搜索
21. a . s . Ghareb a . a . Bakar和a·r·哈姆丹”混合特征选择增强遗传算法用于文本分类的基础上,“专家系统与应用程序卷,49 31-47,2016页。视图:出版商的网站|谷歌学术搜索
22. f m . Labani p . Moradi Ahmadizar m·贾利利”小说多元过滤方法,在文本分类中特征选择问题,“人工智能技术的工程应用卷。70年,25-37,2018页。视图:出版商的网站|谷歌学术搜索
23. j . k . Chen z Zhang长,h·张,“从TF-IDF变成TF-IGM在文本分类术语权重”专家系统与应用程序卷,66年,第260 - 245页,2016年。视图:出版商的网站|谷歌学术搜索
24. f·朱、王d . x和y,“监督requirement-oriented专利分类方案的基础上,结合元数据和引用信息,“国际期刊的计算智能系统,8卷,不。3、502 - 516年,2015页。视图:出版商的网站|谷歌学术搜索
25. J.-L。吴,P.-C。常,c c。曹,彭译葶。粉丝,“专利质量分析和支持向量机分类系统使用自组织映射,”应用软计算41卷,第316 - 305页,2016年。视图:出版商的网站|谷歌学术搜索
26. K.-K。赖和S.-J。吴”,使用专利co-citation方法建立一个新的专利分类系统,”信息处理与管理第41卷。。2、313 - 330年,2005页。视图:出版商的网站|谷歌学术搜索
27. D.-R。刘和蔡明俊。施,“基于patent-network Hybrid-patent分类分析,”《美国社会信息科学和技术,卷62,不。2、246 - 256年,2011页。视图:出版商的网站|谷歌学术搜索
28. 杨绍明。关铭陈和研究。常,“三相专利分类方法。”信息处理与管理,48卷,不。6,1017 - 1030年,2012页。视图:出版商的网站|谷歌学术搜索
29. l . i燕和w·李,创新设计方法,科学出版社,北京,2012。
30. w·Pedrycz b Russo, g .液”知识转移在系统建模和通过信息粒度的优化配置,实现“应用软计算,12卷,不。8,2012。视图:出版商的网站|谷歌学术搜索
31. j . Hirtz d . A .石头,s . Szykman和k . l .木”功能的基础工程设计:协调和发展之前的努力,”工程设计研究,13卷,不。2、65 - 82年,2002页。视图:出版商的网站|谷歌学术搜索
32. c . Cerisara p Kral, l . Lenc”的影响在神经网络中使用word2vec表示对话行为识别,”电脑语音和语言47卷,第193 - 175页,2018年。视图:出版商的网站|谷歌学术搜索
33. 张y l . l .商g . A . l . ZhangPorter d·朱,“混合相似性度量方法专利组合分析,“情报计量学杂志》,10卷,不。4、1108 - 1130年,2016页。视图:出版商的网站|谷歌学术搜索
34. y, r . Tan, J .马”产品创新设计专利文本分类研究[J],”计算机集成制造系统,19卷,不。2、382 - 390年,2013页。视图:谷歌学术搜索
35. 曾d, d, m .洲和f·王,“特定领域汉语分词使用后缀树和互信息,“信息系统领域,13卷,不。1,第125 - 115页,2011。视图:出版商的网站|谷歌学术搜索
36. y, z . m .梁和l .曹“改进的粒子群优化算法及其在文本特征选择中的应用,”应用软计算,35卷,第636 - 629页,2015年。视图:出版商的网站|谷歌学术搜索
37. h . d . Zhang徐、z . Su和y,“中国评论情绪分类基于word2vec SVMperf,”专家系统与应用程序,42卷,不。4、1857 - 1863年,2015页。视图:出版商的网站|谷歌学术搜索
38. n . Talebi Nasrabadi, m·阿里Mohammad-Rezazadeh,和伊曼,“估计使用多层感知器神经网络有效的连接,”认知神经动力学,12卷,不。1、22页,2018页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020字》徐等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。