專利文獻分類及關聯(lián)推薦技術應用研究.pdf

1、隨著專利文獻類別和數(shù)量的迅速增長，專利管理系統(tǒng)急需解決快速文獻分類及高效、高質的專利檢索等問題。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)性能的關鍵問題之一。高效的自動化專利文獻分類和人性化、高質量的專利文獻推薦是專利管理系統(tǒng)應對專利文獻飛速增長的有效措施。
　　 本文研究以某單位的專利管理系統(tǒng)為背景，原系統(tǒng)中專利文獻的分類主要采用經(jīng)典KNN分類算法。由于KNN算法的時間復雜度比較高，專利文獻的分類過程非常緩慢，

2、因此本文提出一種專利文獻管理的兩層分類架構，并改進了KNN分類算法，從而提高了系統(tǒng)分類速度和文獻推薦效果。同時，在傳統(tǒng)的專利管理系統(tǒng)中，關聯(lián)推薦技術主要采用了關聯(lián)規(guī)則的分析，利用經(jīng)典Apriori算法來產(chǎn)生關聯(lián)規(guī)則，然后將這些規(guī)則應用到關聯(lián)推薦中，由于經(jīng)典Apriori算法的挖掘效率較低，本文提出一種改進的Apriori算法，提高了系統(tǒng)關聯(lián)推薦功能的實時性和動態(tài)性。在此基礎上，本文將改進的算法應用到專利管理系統(tǒng)中，改善了系統(tǒng)中的分類功能