一种基于说明书的专利分类方法
专利汇可以提供一种基于说明书的专利分类方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于 说明书 的 专利 分类方法，属于文本处理与 数据挖掘 领域。首先对专利说明书进行文本预处理；其后构建倒排索引文件，利用信息增益和词频相结合的特征选择方法来选取特征词；进一步利用的改进过的TF‑IDF公式计算特征词权重，并构建专利 特征向量 ；然后构建训练专利领域集合；最后利用优化过的KNN分类器对专利进行分类。该项研究为专利文献分类提供了新的思路，也为进一步研究专利文献智能检索等奠定了 基础 。，下面是一种基于说明书的专利分类方法专利的具体信息内容。
1.一种基于说明书的专利分类方法，其特征在于，包括以下步骤：
步骤1，获取专利文本的数据，对专利说明书进行文本预处理；
步骤2，统计出每个词的词频、位置信息、词性权重以及类间分布信息，利用这些统计值以及专利文本信息，构建倒排索引文件；
步骤3，利用信息增益和词频相结合的特征选择方法来计算词语的特征值，对特征值排序，选择一定数量的特征词来表征专利文本；
步骤4，利用倒排索引文件，计算每个专利特征词的权重，然后利用的改进过的TF-IDF公式计算特征词权重，最后构建专利特征向量；
步骤5，生成IPC各层次类别特征向量，在步骤1基础上，从小类开始逐层向上，计算每个词汇在对应层次的类别权重，权重的计算使用TF-IDF，将一个类别描述看作一个文本，然后构建各层次的类别特征向量；
步骤6，构建专利样本邻域，利用步骤4中的专利特征向量，计算每个专利与其他专利之间相似度，对这些专利相似度进行排序，选择其中相似度最大的K个专利，组成该专利的邻域集合；
步骤7，计算待分类专利向量与IPC类别特征向量以及与训练集专利之间的余弦相似度值，同样计算出待分专利的邻域集合；
步骤8，首先计算待分类专利与训练集中专利之间共享领域的大小，即计算邻域集合中相同专利的个数。然后计算待分专利与专利类别间的相似度加权和，对加权和排序后，将待分专利划分为值最大的那个类中。
2.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤1具体包括：
专利样本数据的采集、样本IPC号、说明书的提取、中文分词、词性标注。去掉说明书中符号、数字；利用正则匹配过滤掉停用词、虚词、连接词等对专利分类用处不大的词语，仅保留名词、形容词、动词等关键词。
3.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤3中特征值的计算过程为：
设Aij为包含特征词ti并且属于cj的文档数量，Bij为包含特征词ti并且类别不属于cj的文档数量，Cij为不包含特征词ti并且类别属于cj的文档数量,Dij为不包含特征词ti并且类别属于不cj的文档数量，则特征值的计算如式(1)所示：
其中，TF代表专利中词频对于专利特征选择的影响程度；设m为训练专利中类别总数，Nj表示cj类中的专利总数，TFjk表示特征词ti在cj类中专利Pk中的词频，则TF的计算如式(2)所示：
式(1)中的IC代表特征词在类别间的分散程度，越分散说明该词越没有代表性，值也就越小；设TFj(ti)表示特征词ti在类cj中的频数，TF(ti)表示特征词ti的总频数， 表示特征词ti在所有类中出现的频数平均值，则计算如式(3)所示：
4.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤4的具体过程为：
步骤4.1，权重计算，计算如式(4)所示。
其中， 表示特征词t在文本 中出现的频率，N表示全部专利样本集中所有专利的个数，n表示全部专利样本集中出现特征词t的专利个数，Ct表示特征词词性所对应的词性权重系数，Pt表示特征词的位置权重系数；
步骤4.2，排序，根据权重降序排序，构造专利文本的空间模型向量Vi(wi1,wi2,...,win)，以此来表示每个专利文本的内容。
5.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤5的具体过程为：
步骤5.1，将各子组的类别描述并入所属主组的类别描述，进行分词、去停用词处理；
步骤5.2，将每个主组的描述合并后进行特征选择，构造IPC小类层次的类别特征向量，向量表示为{VA01B1/00,VA01B3/00,...,VH99Z99/00}；其中，A01B1/00为IPC中第一个主组，H99Z99/
00为IPC中最后一个主组；
步骤5.3，将同一个小类下的所有基本描述合并后进行特征选择，构造IPC大类层次的类别特征向量，向量表示为{VA01B,VA01C,...,VH99Z}。其中，A01B为IPC中第一个小类，H99Z是IPC中最后一个小类；
步骤5.4，将同一大类下的所有基本描述合并后进行特征选择，构造IPC部层次的类别特征向量，向量表示为{VA01,VA21,...,VH99}；其中，A01为IPC中第一个大类，H99Z是IPC中最后一个大类。
6.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤6的具体过程为：
步骤6.1，计算专利训练集中各专利之间的相似度；相似度可以通过计算向量间的夹角余弦得到；设sim(di,dj)表示专利文本di与dj的相似度，则计算公式如式(5)所示：
其中，Wik和Wjk表示专利向量中对应特证词的权重，n表示向量的维数；
步骤6.2，将di与其他所有专利样本dj的相似度按降序排序，选择前K个专利样本形成集合Di，Di称作为专利di的邻域，K的值视具体情况而定。
7.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤7的具体过程为：
步骤7.1，待分类专利进行说明书的提取、中文分词、词性标注、去停用词；
步骤7.2，专利特征选择和向量化；
步骤7.3，计算待分类专利Bj特征向量与各IPC类别特征向量的余弦相似度Sai；
步骤7.4，计算待分类专利Bj与专利训练集中每个专利的余弦相似度Sbj；
步骤7.5，将上述的训练专利按相似度值Sbj降序排序，选择最前面K个专利作为其邻域集合。
8.根据权利要求1所述的一种基于说明书的专利分类方法，其特征在于：所述步骤8的具体过程为：
步骤8.1，计算待分类专利Bj与样本专利di之间的共享领域大小L(Bj,di)，即两个领域集合中相同专利的个数；
步骤8.2，计算待分类专利与各个IPC类别间的最终加权相似度，计算公式如式(6)所示：
其中，I表示类别，p，k，α，β为可调参数，系统默认情况下，p为0.8，k为0.95，α为0.6，β为
5；
步骤8.3，将待分类专利归入相似度S(i)最大的类。
一种基于说明书的专利分类方法
技术领域
背景技术
223.850 万件。如果每个专利的平均大小为2M，则专利数据的容量高达几百TB。为了科学地管理这些专利文献数据，同时也为了快速、方便地检索相关专利文献，专利文献的分类显得尤为重要。目前，世界上大多数国家均采用国际专利分类法IPC(International Patent Classification)来对专利文献进行分类，IPC按照五个等级分类，即部(Section)、大类(Class)、小类(Subclass)、主组(Main Grop)、分组(Grop)，其中部是分类表中最高等级的分类层，按照领域不同，分为八个大部，用一位的英文字母标记，分别是A-H，每个部分下属设有多个大类，大类是由二位数字组成，每个部下面有不同数量的大类。例如：G06F21/00表示物理-电数字数据处理-防止未授权行为的保护计算机、其部件、程序或数据的安全装置。
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 室内设备的说明书及空调室内机的说明书 | 2020-05-12 | 528 |
| 一种说明书投放装置 | 2020-05-11 | 625 |
| 放置说明书及检测说明书份数装置 | 2020-05-11 | 500 |
| 防伪说明书 | 2020-05-11 | 82 |
| 一种带说明书的微波炉 | 2020-05-12 | 231 |
| 装盒机说明书传送机构 | 2020-05-12 | 866 |
| 说明书折页设备 | 2020-05-13 | 336 |
| 语音说明书装置 | 2020-05-13 | 680 |
| 带说明书的表盒 | 2020-05-13 | 748 |
| 下说明书机构 | 2020-05-13 | 327 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
