[发明专利]专利分类方法及装置

权利要求书

1.一种专利分类方法，其特征在于，包括：

根据文本特征提取方法，获取待分类的专利文本的文本特征；

将所述文本特征输入至训练好的专利分类模型，输出所述专利文本的专利分类结果；

其中，所述专利分类模型包括五层，每层包括若干个子模型；各所述子模型的层级关系与专利分类的技术领域、部、大类、小类和大组的层级关系相对应；每一所述子模型，是根据样本专利文本及预先获取的所述样本专利文本的标签进行训练后获得的。

2.根据权利要求1所述的专利分类方法，其特征在于，所述将所述文本特征输入至训练好的专利分类模型，输出所述专利文本的专利分类结果的具体步骤包括：

将所述文本特征输入至所述专利分类模型的第一层子模型，输出所述专利文本所属的部；

将所述文本特征输入至所述专利文本所属的部对应的第二层子模型，输出所述专利文本所属的大类；

将所述文本特征输入至所述专利文本所属的大类对应的第三层子模型，输出所述专利文本所属的小类；

将所述文本特征输入至所述专利文本所属的小类对应的第四层子模型，输出所述专利文本所属的大组；

将所述文本特征输入至所述专利文本所属的大组对应的第五层子模型，输出所述专利文本所属的小组。

3.根据权利要求1所述的专利分类方法，其特征在于，所述子模型为基于卷积神经网络建立的模型。

4.根据权利要求1至3任一所述的专利分类方法，其特征在于，所述将所述文本特征输入至训练好的专利分类模型，输出所述专利文本的专利分类结果之前，还包括：

根据专利分类的技术领域、部、大类、小类和大组，建立所述专利分类模型；

根据每一所述子模型在所述专利分类模型中的位置，确定用于训练所述子模型的样本专利文本；

根据用于训练所述子模型的样本专利文本及其标签，对所述子模型进行训练。

5.一种专利分类装置，其特征在于，包括：

特征提取模块，用于根据文本特征提取方法，获取待分类的专利文本的文本特征；

专利分类模块，用于将所述文本特征输入至训练好的专利分类模型，输出所述专利文本的专利分类结果；

其中，所述专利分类模型包括五层，每层包括若干个子模型；各所述子模型的层级关系与专利分类的技术领域、部、大类、小类和大组的层级关系相对应；每一所述子模型，是根据样本专利文本及预先获取的所述样本专利文本的标签进行训练后获得的。

6.根据权利要求5所述的专利分类装置，其特征在于，所述专利分类模块包括：

第一分类单元，用于将所述文本特征输入至所述专利分类模型的第一层子模型，输出所述专利文本所属的部；

第二分类单元，用于将所述文本特征输入至所述专利文本所属的部对应的第二层子模型，输出所述专利文本所属的大类；

第三分类单元，用于将所述文本特征输入至所述专利文本所属的大类对应的第三层子模型，输出所述专利文本所属的小类；

第四分类单元，用于将所述文本特征输入至所述专利文本所属的小类对应的第四层子模型，输出所述专利文本所属的大组；

第五分类单元，用于将所述文本特征输入至所述专利文本所属的大组对应的第五层子模型，输出所述专利文本所属的小组。

7.根据权利要求5所述的专利分类装置，其特征在于，所述子模型为基于卷积神经网络建立的模型。

8.根据权利要求5至7任一所述的专利分类装置，其特征在于，还包括：

模型训练模块，用于根据专利分类的技术领域、部、大类、小类和大组，建立所述专利分类模型；

根据每一所述子模型在所述专利分类模型中的位置，确定用于训练所述子模型的样本专利文本；

根据用于训练所述子模型的样本专利文本及其标签，对所述子模型进行训练。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的专利分类方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述的专利分类方法的步骤。