基于协同过滤的专利TRIZ分类方法

doi:10.3772/j.issn.1000-0135.2018.05.008

情报学报

2018, Vol. 37

Issue (5): 512-518 DOI: 10.3772/j.issn.1000-0135.2018.05.008

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

基于协同过滤的专利TRIZ分类方法

胡学钢¹, 杨恒宇^1,2, 林耀进³, 鲍艳伟¹

1. 合肥工业大学计算机与信息学院,合肥 230009;
2. 安徽省科学技术情报研究所,合肥 230011;
3. 闽南师范大学计算机学院,漳州 363000

Study on Classification of Patents Collaborative Filtering Oriented to TRIZ

Hu Xuegang¹, Yang Hengyu^1,2, Lin Yaojin³, Bao Yanwei¹

1. School of Computer and Information, Hefei University of Technology, Hefei 230009;
2. Anhui Institute of Scientific and Technical Information, Hefei 230011;
3. School of Computer Science, Minnan Normal University, Zhangzhou 363000

摘要
图/表
参考文献
相关文章 (0)

全文: PDF (401 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要随着专利得到越来越多的应用,专利分类的研究受到广泛关注。协同过滤技术作为推荐系统的重要技术,被广泛应用于互联网领域,具有简单高效的特点。为此,根据专利发明者用相似方法解决同类问题的思路,提出了一种基于协同过滤的专利TRIZ分类方法。首先,对专利文本向量化。其次,构建专利评分矩阵。最后,计算对未分类专利的预测评分并进行分类。实验结果表明,该方法能够提高系统分类精度与效率,有效地应用于专利TRIZ分类。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	胡学钢
	杨恒宇
	林耀进
	鲍艳伟

关键词 ：专利分类, 协同过滤, TRIZ

收稿日期: 2017-11-09

基金资助:国家自然科学基金面上项目（61673152）; 安徽省科技计划项目（2014YS005）

作者简介: 胡学钢,男,1961年生,博士,教授,博士生导师,主要研究方向为知识工程、数据挖掘、信息处理,E-mail: jsjxhuxg@hfut.edu.cn;杨恒宇,男,1973年生,博士研究生,研究员,主要研究方向为数据挖掘、信息处理;林耀进,男,1980年生,博士,副教授,主要研究领域为数据挖掘、信息处理;鲍艳伟,男,1986年生,博士研究生,主要研究方向为自然语言处理。

引用本文:

胡学钢, 杨恒宇, 林耀进, 鲍艳伟. 基于协同过滤的专利TRIZ分类方法[J]. 情报学报, 2018, 37(5): 512-518.
Hu Xuegang, Yang Hengyu, Lin Yaojin, Bao Yanwei. Study on Classification of Patents Collaborative Filtering Oriented to TRIZ. 情报学报, 2018, 37(5): 512-518.

链接本文:

http://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2018.05.008 或 http://qbxb.istic.ac.cn/CN/Y2018/V37/I5/512

[1] 黄晓斌, 梁辰. 专利技术的关联网络分析——以4 G通信技术领域为例[J]. 情报学报, 2015, 34(1): 92-104.
[2] 胡阿沛, 张静, 雷孝平, 等. 基于文本挖掘的专利技术主题分析研究综述[J]. 情报杂志, 2013, 32(12): 88-92, 61.
[3] Falasco L.Bases of the United States Patent c1assfication[J]. World Patent Information, 2002, 24(1): 31-33.
[4] Lai K K, Wu S J.Using the patent co-citation approach to establish a new patent classification system[J]. Information Processing and Management, 2005, 4l(2): 313-330.
[5] Guo W Q, Dai T, Wen G H.A patent classification method based on domain knowledge[J]. Computer Engineering, 2005, 34(23): 52-54.
[6] 黄斌, 黄鲁成, 吴菲菲, 等. 基于专利共类的技术关联特征识别[J]. 情报杂志, 2015, 34(1): 44-48.
[7] Loh H T, He C, Shen L.Automatic classification of patent documents for TRIZ users[J]. World Patent Information, 2006, 28(1): 6-13.
[8] He C, Loh H T.Grouping of TRIZ Inventive principles to facilitate automatic patent classmcation[J]. Expert Systems with Applications, 2008, 34(1): 788-795.
[9] He C, Loh H T.Pattern-oriented associative rule-based patent classification[J]. Expert Systems with Applications, 2010, 37(3): 2395-2404.
[10] 江屏, 王川, 孙建广, 等. IPC聚类分析与TRIZ相结合的专利群规避设计方法与应用[J]. 机械工程学报, 2015, 51(7): 144-154.
[11] 袁力, 陈阳, 赵勇. 面向TRIZ理论使用者的多标签专利分类[J]. 计算机科学, 2013, 40(11A): 255-258, 266.
[12] 翟继强, 王克奇. 依据TRIZ发明原理的中文专利自动分类[J]. 哈尔滨理工大学学报, 2013, 18(3): 1-5.
[13] 胡正银, 方曙, 文奕, 等. 面向TRIZ的专利自动分类研究[J]. 现代图书情报技术, 2015, 31(1): 66-74.
[14] 刘燕华等. 创新方法教程(初级)[M]. 北京: 高等教育出版社, 2012: 308-318.
[15] 胡正银, 方曙. 专利文本技术挖掘研究进展综述[J]. 现代图书情报技术, 2014, 30(6): 62-70.
[16] Cortes C, Vapnik V.Support-vector networks[J]. Machine Learning, 1995, 20(3): 273-297.
[17] McPherson M, Smith-Lovin L, Cook J M. Birds of a feather: Homophily in social networks[J]. Annual Review of Sociology, 2001, 27: 415-444.
[18] 吴信东, 李毅, 李磊. 在线社交网络影响力分析[J]. 计算机学报, 2014, 37(4): 735-752.
[19] 林耀进, 胡学钢, 李慧宗. 基于用户群体影响的协同过滤推荐算法[J]. 情报学报, 2013, 32(3): 299-305.
[20] Liu H F, Hu Z, Mian A, et al.A new user similarity model to improve the accuracy of collaborative filtering[J]. Knowledge- Based Systems, 2014, 56: 156-166.
[21] 杨恒宇, 李慧宗, 林耀进, 等. 协同过滤中有影响力近邻的选择[J]. 北京邮电大学学报, 2016, 39(1): 29-34.
[22] Salton G, Wong A, Yang C S.A vector space model for automatic indexing[J]. Communications of the ACM, 1975, 18(11): 613-620.
[23] SVMlight Support Vector Machine[EB/OL]. [2008-08-04]. http:// osmot.cs.cornell.edu/svm_light/current/svm_light_windows32.zip.