基于主題模型的汽車專利文本主題挖掘與應(yīng)用研究.pdf

1、汽車專利文本以其專業(yè)性和高技術(shù)價值性，為汽車廠商和相關(guān)研究者把握該行業(yè)的技術(shù)發(fā)展、尋求技術(shù)創(chuàng)新等提供了一個重要途徑?，F(xiàn)有針對汽車專利文本的研究分析，多是基于傳統(tǒng)的專利計量分析、文本挖掘模型或方法等，它們或是只針對其結(jié)構(gòu)化部分進行較粗粒度的統(tǒng)計分析，或是只能挖掘其非結(jié)構(gòu)化文本內(nèi)容的淺層信息，很少能深入其文本內(nèi)部挖掘其深層的語義信息，從而無法從語義角度進行一些較精細的分析或應(yīng)用，如技術(shù)主題識別、技術(shù)趨勢分析等。隨著自然語言處理技術(shù)、機器學(xué)習(xí)

2、相關(guān)模型或方法在文本分析領(lǐng)域的應(yīng)用和發(fā)展，以LDA(Latent Dirichlet Allocation)模型為代表的主題模型，在非結(jié)構(gòu)化文本內(nèi)容分析上顯出較大優(yōu)勢，被廣泛地應(yīng)用在許多領(lǐng)域的文本挖掘任務(wù)中。主題模型通過抽取文本中蘊含的主題來深刻揭示文本的語義信息，實現(xiàn)對文本內(nèi)容更好的表征，進而提高文本分析的效果。因此，本文基于汽車專利文本研究分析現(xiàn)狀，開展了基于主題模型的汽車專利文本主題挖掘與應(yīng)用研究，拓展對汽車專利文本研究分析的方式

3、方法，主要完成了以下工作:
　　(1)構(gòu)建了汽車專利文本主題挖掘與分析框架。在梳理分析汽車專利文本的組成、特點、IPC(International Patent Classification)分類和常見分析指標的基礎(chǔ)上，圍繞著其非結(jié)構(gòu)化文本內(nèi)容挖掘與分析的問題，構(gòu)建了基于主題模型的汽車專利文本主題挖掘與分析框架，識別框架的關(guān)鍵任務(wù)并進行了詳細的研究分析。
　　(2)研究了基于主題模型的汽車專利文本主題挖掘方法。在分析幾種常見

4、的專利文本主題挖掘方法優(yōu)缺點的基礎(chǔ)上，提出一種基于IPC分類號與LDA模型的主題挖掘方法，并給出改進的熱點主題識別方法，對汽車專利文本細粒度的主題挖掘和熱點主題識別。
　　(3)設(shè)計并實現(xiàn)了基于主題模型的汽車專利文本主題挖掘與分析系統(tǒng)。梳理分析了系統(tǒng)的目標和需求，對系統(tǒng)的體系架構(gòu)和系統(tǒng)功能模塊進行了設(shè)計和劃分，并對系統(tǒng)的文本預(yù)處理、文本主題挖掘、熱點主題識別等主要功能模塊進行了詳細的流程設(shè)計與實現(xiàn)，對它們的運行效果進行了實際的測試