[發(fā)明專利]一種技術(shù)圖譜中技術(shù)領(lǐng)域的自動(dòng)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010558503.6
• 申請(qǐng)日: 2020-06-18
• 公開（公告）號(hào): CN111813933A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 華斌;宋平;陸啟宇;張琪祁;趙三珊
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)上海市電力公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/36;G06F40/289;G06F40/30
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 王懷瑜

本發(fā)明涉及一種技術(shù)圖譜中技術(shù)領(lǐng)域的自動(dòng)識(shí)別方法，包括數(shù)據(jù)集準(zhǔn)備、數(shù)據(jù)預(yù)處理、分類模型樣本準(zhǔn)備步驟、多標(biāo)簽分類模型構(gòu)建、技術(shù)領(lǐng)域識(shí)別步驟。與現(xiàn)有技術(shù)相比，本發(fā)明針對(duì)傳統(tǒng)關(guān)鍵字檢索存在的缺點(diǎn)，構(gòu)建了多標(biāo)簽分類的訓(xùn)練集，充分考慮文檔之間的語(yǔ)義相似性，解決多義詞、近義詞等問題，可以排除文檔中的噪音影響。構(gòu)建的融合的多標(biāo)簽分類模型，充分利用了各分類算法的優(yōu)勢(shì)，排除了單一算法在某些情況下存在的缺陷，提高了分類的準(zhǔn)確率，其自動(dòng)化標(biāo)注的方式克服了人工標(biāo)引的缺點(diǎn)，極大提高了多標(biāo)簽文檔分類的效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種分類方法，尤其是涉及一種技術(shù)圖譜中技術(shù)領(lǐng)域的自動(dòng)識(shí)別方法。

背景技術(shù)

技術(shù)圖譜是一種特殊的知識(shí)圖譜，是以技術(shù)及其拓?fù)潢P(guān)系為核心構(gòu)建的知識(shí)圖譜。技術(shù)圖譜展示的是公司技術(shù)的門類及關(guān)系。技術(shù)圖譜的實(shí)現(xiàn)原理是基于復(fù)雜網(wǎng)絡(luò)技術(shù)，通過(guò)對(duì)技術(shù)領(lǐng)域、科技成果(論文、專利、成果等)、作者、研究機(jī)構(gòu)以及關(guān)鍵詞的關(guān)系分析，發(fā)現(xiàn)技術(shù)研究的走向或技術(shù)趨勢(shì)性線索，識(shí)別關(guān)鍵和熱點(diǎn)技術(shù)的網(wǎng)絡(luò)分布。在技術(shù)圖譜的復(fù)雜網(wǎng)絡(luò)中，研究的主題是“技術(shù)領(lǐng)域-技術(shù)領(lǐng)域”之間的關(guān)系。在技術(shù)圖譜中，科技成果(論文、專利、成果等)與作者、研究機(jī)構(gòu)以及關(guān)鍵詞的關(guān)系子圖已經(jīng)確立，技術(shù)門類框架是一個(gè)獨(dú)立的層次樹，并且會(huì)隨公司的需求而變動(dòng)。因此，技術(shù)門類框架中的技術(shù)領(lǐng)域和科技成果之間關(guān)系的自動(dòng)識(shí)別匹配是構(gòu)建技術(shù)圖譜非常關(guān)鍵的一個(gè)環(huán)節(jié)，它可以實(shí)現(xiàn)技術(shù)圖譜隨技術(shù)門類框架的變動(dòng)而動(dòng)態(tài)自動(dòng)構(gòu)建。

一個(gè)科技成果可能同時(shí)屬于多個(gè)技術(shù)領(lǐng)域，即有多個(gè)類別標(biāo)簽，因此技術(shù)領(lǐng)域和科技成果之間關(guān)系的自動(dòng)識(shí)別和匹配可以轉(zhuǎn)化為多標(biāo)簽分類問題。實(shí)現(xiàn)文檔的分類一般可以采用基于關(guān)鍵字的信息檢索技術(shù)方法和人工標(biāo)引的方法，關(guān)鍵字信息檢索方法是對(duì)用戶提供的關(guān)鍵字進(jìn)行判斷，若關(guān)鍵字在文獻(xiàn)中出現(xiàn)則返回結(jié)果，未出現(xiàn)則不返回結(jié)果。該技術(shù)一個(gè)明顯的缺點(diǎn)是關(guān)鍵字通常并不能完全表達(dá)檢索需求，只是表面的詞重復(fù)，缺乏文字背后的語(yǔ)義理解以及聯(lián)系，不能理解文檔的內(nèi)容并提取其所揭示的主題內(nèi)容。人工標(biāo)引的方法往往存在一定的主觀性，并且人力要求高，效率低等問題。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種技術(shù)圖譜中技術(shù)領(lǐng)域的自動(dòng)識(shí)別方法，充分考慮文檔之間的語(yǔ)義相似性，解決多義詞、近義詞等問題，可以排除文檔中的噪音影響。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種技術(shù)圖譜中技術(shù)領(lǐng)域的自動(dòng)識(shí)別方法，包括以下步驟：

數(shù)據(jù)集準(zhǔn)備步驟：從文獻(xiàn)數(shù)據(jù)源篩選科技成果文檔，以及從技術(shù)門類框架中提取技術(shù)領(lǐng)域及其描述，生成技術(shù)領(lǐng)域文檔；

數(shù)據(jù)預(yù)處理步驟：對(duì)科技成果文檔和技術(shù)領(lǐng)域文檔進(jìn)行數(shù)據(jù)預(yù)處理；

分類模型樣本準(zhǔn)備步驟：計(jì)算每篇科技成果文檔與技術(shù)領(lǐng)域文檔之間的相似度，得到由科技成果文檔組成的分類模型樣本，以及每篇科技成果文檔所屬的技術(shù)領(lǐng)域標(biāo)簽；

多標(biāo)簽分類模型構(gòu)建步驟：根據(jù)分類模型樣本，構(gòu)建多標(biāo)簽分類模型；

技術(shù)領(lǐng)域識(shí)別步驟：利用多標(biāo)簽分類模型對(duì)未分類的科技成果文檔進(jìn)行分類，獲得技術(shù)領(lǐng)域。

所述的數(shù)據(jù)集準(zhǔn)備步驟中，文獻(xiàn)數(shù)據(jù)源包括專利數(shù)據(jù)庫(kù)、論文數(shù)據(jù)庫(kù)。

所述的數(shù)據(jù)集準(zhǔn)備步驟中，根據(jù)標(biāo)題、摘要和關(guān)鍵詞篩選科技成果文檔，使科技成果文檔與技術(shù)領(lǐng)域文檔具備相關(guān)性。

所述的數(shù)據(jù)預(yù)處理步驟中，采用中文分詞法對(duì)文檔進(jìn)行分詞、去停用詞、剔除高頻詞處理。

所述的分類模型樣本準(zhǔn)備步驟中，采用主題模型方法，計(jì)算技術(shù)領(lǐng)域文檔和科技成果文檔之間的相似度。

所述的多標(biāo)簽分類模型構(gòu)建步驟中，采用融合的多標(biāo)簽分類模型。