[发明专利]一种基于改进XGBoost算法的技术预见及专利预警分析方法

权利要求书

1.一种基于改进XGBoost算法的技术预见及专利预警分析方法，其特征在于，包括以下步骤：

步骤S1、根据专利检索式构建专利主题数据库；

步骤S2、采用卷积神经网络对专利主题数据库的专利文本进行特征提取，得到特征向量V_k；

步骤S3、根据特征向量V_k构建测试集合S；

步骤S4、将训练集输入到XGBoost模型中进行训练，并采用灰狼优化算法对XGBoost模型的基分类器个数、学习率、树的最大深度以及最小叶子节点样本权重进行优化改进，将测试集合输入到改进后的XGBoost模型中进行测试，得到XGBoost分类器；

步骤S5、将待预警的专利进行特征提取后，输入到XGBoost分类器中，获得待预警专利的分类以及与其同一类的其他专利文本；

步骤S6、根据待预警专利的分类以及与其同一类的其他专利文本进行专利预警分析、技术成熟度和技术进化方向预测，得到分析预测结果；

步骤S7、将分析预测结果进行可视化展示，并发送给用户。

2.根据权利要求1所述的一种基于改进XGBoost算法的技术预见及专利预警分析方法，其特征在于，所述步骤S1之前还包括：

步骤S0、设定专利预警阈值以及预警结果接收方式。

3.根据权利要求1所述的一种基于改进XGBoost算法的技术预见及专利预警分析方法，其特征在于，所述步骤S1的具体步骤为：根据专利检索式，对相应的知识产权数据库和相关产业领域知识进行抽取分析，构建专利主题数据库，同时进行文本去噪预处理。

4.根据权利要求1所述的一种基于改进XGBoost算法的技术预见及专利预警分析方法，其特征在于，所述步骤S2的具体步骤为：所述卷积神经网络包括输入层、卷积层、池化层以及输出层，专利主题数据库中的专利文本F_k经过输入层后形成专利文本表示矩阵M_k，专利文本表示矩阵M_k通过卷积层与池化层的运算后被表示成特征向量V_k。

5.根据权利要求1所述的一种基于改进XGBoost算法的技术预见及专利预警分析方法，其特征在于，所述步骤S3的测试集合S＝{s_k＝(V_k,L_k)}，S为专利主题数据库中所有文档的特征向量与标签组成的测试集合，L_k为样本s_k所对应的专利标签分类号。

6.根据权利要求1所述的一种基于改进XGBoost算法的技术预见及专利预警分析方法，其特征在于，所述步骤S4包括：

步骤S41、设置灰狼优化算法参数中的种群规模N和最大迭代次数T，设定XGBoost模型的参数中的基分类器个数、学习率、树的最大深度以及最小叶子节点样本权重的取值范围，并进行XGBoost模型其他参数的初始化；

步骤S42、随机生成灰狼群，每个灰狼群个体位置由基分类器个数、学习率、树的最大深度以及最小叶子节点样本权重组成；

步骤S43、XGBoost模型根据初始的基分类器个数、学习率、树的最大深度以及最小叶子节点样本权重，对训练集进行学习，并根据适应度函数F_new计算每头灰狼的适应度函数值；

步骤S44、根据适应度函数值，将灰狼群分成4个不同等级的灰狼α、β、δ和ω；

步骤S45、更新灰狼群中每个个体的位置，重新计算每个灰狼个体在新位置的适应度函数值，并与上一迭代最优适应度函数值F_g进行比较，若F_newF_g，则该灰狼个体适应度函数值为F_new，并保留灰狼个体所在位置，反之，该灰狼个体适应度函数值为F_g；

步骤S46、重复步骤S42-步骤S45，当迭代次数大于T时，迭代终止，并输出XGBoost模型的基分类器个数、学习率、树的最大深度以及最小叶子节点样本权重的最优值；

步骤S47、将测试集合S输入到XGBoost模型中进行测试，并获得训练好的XGBoost分类器。