[发明专利]一种专利文本分类方法及装置

权利要求书

1.一种专利文本分类方法，其特征在于，包括：

获取待分类专利文本，并提取所述待分类专利文本的专利属性特征；

对所述待分类专利文本进行分词处理和词向量构建处理，得到文本词向量特征；

将所述专利属性特征与所述文本词向量特征输入到专利文本分类模型，以根据所述专利文本分类模型的运算，获得所述待分类专利文本的分类结果；

其中，所述专利文本分类模型为根据预设的训练样本，结合预设的技术分类节点对应的分类信息集合构建的神经网络模型，所述训练样本具体根据预设的专利文本样本获得的专利属性特征和文本词向量特征。

2.根据权利要求1所述的一种专利文本分类方法，其特征在于，所述将所述专利属性特征与所述文本词向量特征输入到专利文本分类模型，以根据所述专利文本分类模型的运算，获得所述待分类专利文本的分类结果具体包括：

将所述专利属性特征与所述文本词向量特征输入到专利文本分类模型，通过所述专利文本分类模型的运算，得到所述待分类专利文本与各个所述技术分类节点的匹配度；

根据各个所述匹配度的大小，以最大匹配度对应的技术分类节点对所述待分类专利文本进行分类，以获得所述待分类专利文本的分类结果。

3.根据权利要求2所述的一种专利文本分类方法，其特征在于，所述根据各个所述匹配度的大小，以最大匹配度对应的技术分类节点对所述待分类专利文本进行分类，以获得所述待分类专利文本的分类结果之前还包括：

若各个所述匹配度均小于预设的匹配度阈值，则输出所述待分类专利文本的分类结果为分类失败。

4.根据权利要求1所述的一种专利文本分类方法，其特征在于，所述专利文本分类模型的配置过程具体包括：

根据预设的训练样本，分别获得所述训练样本的专利属性特征和文本词向量特征；

将所述训练样本的专利属性特征、所述训练样本的文本词向量特征以及预设的技术分类节点对应的分类信息集合输入至初始神经网络模型进行模型训练，训练完成后得到所述专利文本分类模型。

5.根据权利要求4所述的一种专利文本分类方法，其特征在于，所述训练样本的配置过程具体包括：

利用专利检索式从专利数据库中提取相应的专利文本，并基于所述专利检索式对所述专利文本进行信息标注，以获得训练样本。

6.一种专利文本分类装置，其特征在于，包括：

专利属性特征提取单元，用于获取待分类专利文本，并提取所述待分类专利文本的专利属性特征；

词向量特征获取单元，用于对所述待分类专利文本进行分词处理和词向量构建处理，得到文本词向量特征；

专利文本分类单元，用于将所述专利属性特征与所述文本词向量特征输入到专利文本分类模型，以根据所述专利文本分类模型的运算，获得所述待分类专利文本的分类结果；

其中，所述专利文本分类模型为根据预设的训练样本，结合预设的技术分类节点对应的分类信息集合构建的神经网络模型，所述训练样本具体根据预设的专利文本样本获得的专利属性特征和文本词向量特征。

7.根据权利要求6所述的一种专利文本分类装置，其特征在于，所述专利文本分类单元具体包括：

技术匹配度计算子单元，用于将所述专利属性特征与所述文本词向量特征输入到专利文本分类模型，通过所述专利文本分类模型的运算，得到所述待分类专利文本与各个所述技术分类节点的匹配度；

分类子单元，用于根据各个所述匹配度的大小，以最大匹配度对应的技术分类节点对所述待分类专利文本进行分类，以获得所述待分类专利文本的分类结果。

8.根据权利要求7所述的一种专利文本分类装置，其特征在于，所述专利文本分类单元还包括：

匹配度判定子单元，用于若各个所述匹配度均小于预设的匹配度阈值，则输出所述待分类专利文本的分类结果为分类失败。