專利文獻(xiàn)分類及關(guān)聯(lián)推薦技術(shù)應(yīng)用研究.pdf

1、隨著專利文獻(xiàn)類別和數(shù)量的迅速增長(zhǎng)，專利管理系統(tǒng)急需解決快速文獻(xiàn)分類及高效、高質(zhì)的專利檢索等問(wèn)題。在傳統(tǒng)的專利管理系統(tǒng)中，分類是系統(tǒng)的基本功能，也是影響系統(tǒng)性能的關(guān)鍵問(wèn)題之一。高效的自動(dòng)化專利文獻(xiàn)分類和人性化、高質(zhì)量的專利文獻(xiàn)推薦是專利管理系統(tǒng)應(yīng)對(duì)專利文獻(xiàn)飛速增長(zhǎng)的有效措施。
　　 本文研究以某單位的專利管理系統(tǒng)為背景，原系統(tǒng)中專利文獻(xiàn)的分類主要采用經(jīng)典KNN分類算法。由于KNN算法的時(shí)間復(fù)雜度比較高，專利文獻(xiàn)的分類過(guò)程非常緩慢，

2、因此本文提出一種專利文獻(xiàn)管理的兩層分類架構(gòu)，并改進(jìn)了KNN分類算法，從而提高了系統(tǒng)分類速度和文獻(xiàn)推薦效果。同時(shí)，在傳統(tǒng)的專利管理系統(tǒng)中，關(guān)聯(lián)推薦技術(shù)主要采用了關(guān)聯(lián)規(guī)則的分析，利用經(jīng)典Apriori算法來(lái)產(chǎn)生關(guān)聯(lián)規(guī)則，然后將這些規(guī)則應(yīng)用到關(guān)聯(lián)推薦中，由于經(jīng)典Apriori算法的挖掘效率較低，本文提出一種改進(jìn)的Apriori算法，提高了系統(tǒng)關(guān)聯(lián)推薦功能的實(shí)時(shí)性和動(dòng)態(tài)性。在此基礎(chǔ)上，本文將改進(jìn)的算法應(yīng)用到專利管理系統(tǒng)中，改善了系統(tǒng)中的分類功能