基于机器学习的专利文本分类算法研究综述

• 作者: 刘桂锋 刘红光 马双刚
• 来源期刊: 图书情报研究
• 学科: 社会科学
• 关键词: 专利文本 自动分类 机器学习 朴素贝叶斯 支持向量机
• 年，卷（期）: tsqbyj_2016,（3）
• 页码范围: 79-86
• 页数: 8页
• 分类号: G350

摘要

总结国内外专利文本分类情况,简要叙述基于机器学习的专利文本分类的-般 框架,介绍专利文本分类的文本预处理、特征提取、文本表示、分类器构建及效果评价等过 程.将应用于专利文本分类的机器学习算法分为单-分类算法和组合分类算法着重探讨 单-分类算法主要有NB算法、 ANN算法、 Rocchio算法、 KNN算法、 SVM算法等;组合分 类算法主要有两种组合算法,如 NB-KNN算法、 Rocchio-KNN算法、 KNN-SVM算法、 SVM-其它算法,还有多种组合算法.指出各种机器学习算法应用在专利文本分类上的优 势与不足,从专利文本预处理、特征提取、专利文本表示、分类器的构建、新方法的探索等五个方面对专利文本自动分类技术进行展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘红光	江苏大学科技信息研究所	62	819	16.0	27.0
2	刘桂锋	江苏大学科技信息研究所	83	693	16.0	23.0
3	马双刚	江苏大学科技信息研究所	2	0	0.0	0.0