面向功能信息的相似专利动态聚类混合模型

马建红 张少光 曹文斌 王晨曦

(河北工业大学人工智能与数据科学学院 天津 300401)

0 引 言

科技创新在某种意义上来说即为功能的创新，利用相关的聚类技术可以将各个行业中的专利进行基于功能的自动聚类，有利于研究人员便捷地获取相关技术领域中的集成专利信息，帮助他们了解当前最新技术的发展趋势，提高企业的自助研发能力和企业竞争力，具有重要的现实意义。

近年来，为了打破专利的限制，提升自身的创新能力和竞争力，研究人员在专利领域开展了大量研究，并产出了大量的研究成果。江屏等[1]利用专利自身原有的结构化信息，利用国际专利分类号(International Patent Classification，IPC)聚类分析和当前领域相关技术成熟度结合，从而有效地确定了待规避的专利群和专利规避目标，突破创新，对打破专利壁垒具有重大意义。功能的创新进而引起产品技术的变革，陈旭等[2]将专利处理为技术功效对的形式，利用聚类技术，对技术功效矩阵进行聚类，能够清楚地了解当前的技术热点和研发热点，为研究人员指明了技术创新方向。这些方法主要是应用统计学模型进行的专利聚类，如词袋法和词频-逆文档频率，它们都舍弃了文本中大量的语义信息，并且存在步骤繁杂、聚类时间较长等缺点。

目前，深度学习算法在自然语言处理领域中取得了十分出色的成果，将深度学习应用到专利领域也逐渐成为一种趋势。有研究人员开始将词向量[3]引入到专利文本表示方面，很好地弥补了传统算法在表达词语和语义方面上的不足，挖掘出了词语与词语之间更深层次的联系，取得了不错的效果。……