基于主题模型和文本相似度计算的专利推荐研究

• 作者: 吴建德 姜迪 艾楚涵
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 专利推荐 聚类算法 文本挖掘 文本相似度
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研究与探讨
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP391.3
• 字数: 6336字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.04.014

摘要

如何利用数量庞大的专利并从中找到用户感兴趣的专利进行推荐是很多专利数据库迫切需要解决的问题.文中从专利文本的标题和摘要入手, 提出一种基于文本挖掘的专利推荐方法.首先, 利用词袋模型将专利文本转化成计算机能够识别的数据; 其次, 利用文本聚类算法完成专利数据集进行领域划分; 再次, 结合词频-逆文档频率特征权重计算和余弦相似度来选择合适的发明人进行专利的推荐; 最后, 以我国物流产业下的专利数据作为数据集完成文中所提方法的验证与分析.实验结果表明, 基于文本挖掘的专利推荐研究能够实现对发明人的个性化推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建德	昆明理工大学信息工程与自动化学院	53	158	7.0	10.0
2	姜迪	昆明理工大学计算中心	9	2	1.0	1.0
3	艾楚涵	昆明理工大学信息工程与自动化学院	3	5	1.0	2.0