基于贝叶斯模型的专利分类

被引：12

作者：

郭炜强

文军

文贵华

机构：

[1] 华南理工大学计算机研究所,华南理工大学计算机研究所,华南理工大学计算机研究所广东广州,广东广州,广东广州

来源：

计算机工程与设计 | 2005年 / 08期

关键词：

专利; 朴素贝叶斯分类器; 专利分类; 特征词权重; 文本挖掘;

D O I：

10.16208/j.issn1000-7024.2005.08.005

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

朴素贝叶斯分类器理论基础好,分类精度高。利用特征词权重函数修改朴素贝叶斯分类器,进而利用它实现专利文本的自动分类,不仅减少了专利人工分类的工作量和分类错误,而且为技术跟踪、竞争分析等提供了有效支持。实验与应用表明改进的朴素贝叶斯分类器用来解决专利分类是有效的。

引用

页码：1986 / 1987+1996 +1996

页数：3

共 5 条

[1] 专利检索中的IPC和主题词识别方法研究 [J].

暴海龙 ;

李金林 .

北京理工大学学报(社会科学版), 2003, (05) :74-76

[2]

Text mining applied to patent mapping: a practical business case[J] . Michele Fattori,Giorgio Pedrazzi,Roberta Turra.World Patent Information . 2003 (4)

[3]

Free patent information as a resource for policy analysis[J] . Martin Meyer,Jan Timm Utecht,Tatiana Goloubeva.World Patent Information . 2003 (3)

[4]

Intellectual assets management: from patents to knowledge[J] . Caterina Camus,Riccardo Brancaleon.World Patent Information . 2003 (2)

[5] Text Classification from Labeled and Unlabeled Documents using EM [J].

Kamal Nigam ;

Andrew Kachites Mccallum ;

Sebastian Thrun ;

Tom Mitchell .

Machine Learning, 2000, 39 :103-134

← 1 →