基于概率超图半监督学习的专利文本分类方法研究-论文.pdfVIP

第 35卷 第9期 情 报 杂 志 V0I|35 No．9 2016年9月 JOURNALOFINTELLIGENCE Sep． 2016 基于概率超 图半监督学习的专利文本 分类方 法研 究 刘桂锋 汪满容 刘海军 (江苏大学科技信息研究所 镇江 212013) 摘 要 [目的／意义]提出了一种基于概率超图半监督学习的专利文本分类方法，拓展超图理论的应用领域，丰富 专利文本分类方法体系。[方法／过程]针对 目前基于监督学习的专利文本分类方法存在着依赖大量的训练样本，并 且训练样本的标注费时费力、需要一定技术含量等问题，将基于超图的半监督学习方法引入到专利文本分类中，提 出了一种基于k近邻策略的专利文本概率超图构建方法，并在此基础上给 出了基于超图学习的专利文本 自动分类 算法。该方法可以利用未标记样本提供的样本分布信息来提高分类精度。[结果／结论]实验结果表明，该方法能 够在标记少量训练样本的情况下获得比较理想的分类精度和召回率。 关键词 概率超图 超图学习 半监督学习 专利分类 分类器 中图分类号 G254 文献标识码 A 文章编号 1002—1965(2016)09—0187—05 引用格式 刘桂锋，汪满容，刘海军 ．基于概率超图半监督学习的专利文本分类方法研究[J]．情报杂志，2016，35 (9)：187-191，173． DoI 10．3969／j．issn．1002—1965．2016．09．033 ProbabilisticHypergraphBasedSemi-supervisedLearningMethodfor PatentDocumentCategorization LiuGuifeng WangManrong LiuHaijun (InstituteofScientifieandTechnologicalInformation，JinagsuUniversity，Zhenjinag 212013) Abstract [Purpose／Significance]Thispaperpresentsprobabilistichypergraphbasedsemi-supervisedlearningmehtodforpatenttextcat- egorization，thusexpandstheapplicationfieldsofhypergraphhteorynadenricheshtepatenttextclassificationmehtodsystem．[Method／ Process]Ashteprevioussupervisedlearningforpatenttextclassificationmehtodsdependsonalargenumberoftrainingsamplesnadthe labelingofthetrainingsma plesistime—consumingandrelativelyrequiresmaximum skills，inordertosolvetheaboveproblems，weintro— ducehypergraphbasde semi—supervisde learningmehtodintothefieldsofpatenttextclassification，putofrwradanew mehtodofprobabi— listichypergraphbasedk—neraestneighboralgorihtm forpatenttext，andhtenproposepatenttextautomaticclassificationalgorithm based onh