[发明专利]专利数据的CPC分类方法及装置

权利要求书

1.一种专利数据的CPC分类方法，其特征在于，包括：

获取待分类的专利数据；

将待分类的专利数据拆分为多个部分，得到多个部分的待分类的专利数据；

根据预设特征提取策略，对每一部分的待分类的专利数据进行特征提取，得到每一部分的待分类的专利数据对应的特征向量；

将每一部分的待分类的专利数据对应的特征向量输入预先建立的神经网络CPC分类模型的多个分类子模型中，得到专利数据的多个CPC分类子结果；根据多个CPC分类子结果预测得到最终的CPC分类结果；所述神经网络CPC分类模型根据多个历史专利样本数据预先训练生成，所述神经网络CPC分类模型包括多个分类子模型。

2.如权利要求1所述的专利数据的CPC分类方法，其特征在于，还包括按照如下方法预先训练得到所述神经网络CPC分类模型：

获取多个历史专利样本数据；所述历史专利样本数据包含CPC分类数据；

将历史专利样本数据进行分组；

对各组专利数据进行分词及关键词抽取，生成每一组专利数据对应的CPC词典、IPC词典、全文分词词典和关键词词典；

根据每一组专利数据对应的CPC词典、IPC词典、全文分词词典和关键词词典，对所有历史专利样本数据进行特征向量化处理，得到所有历史专利样本数据对应的特征向量化数据；

利用所有历史专利样本数据对应的特征向量化数据，训练神经网络模型得到所述神经网络CPC分类模型。

3.如权利要求2所述的专利数据的CPC分类方法，其特征在于，将历史专利样本数据进行分组，包括：按照IPC小类将历史专利样本数据进行分组。

4.如权利要求2所述的专利数据的CPC分类方法，其特征在于，还包括：

获取多个历史专利样本数据；

根据多个历史专利样本数据形成测试数据；

利用所述测试数据对所述神经网络CPC分类模型进行优化处理，得到优化后的神经网络CPC分类模型。

5.如权利要求1所述的专利数据的CPC分类方法，其特征在于，根据预设特征提取策略，对每一部分的待分类的专利数据进行特征提取，得到每一部分的待分类的专利数据对应的特征向量，包括：根据词汇类特征的抽取策略，IPC类特征的选择策略，以及输入特征的分区分配策略，对每一部分的待分类的专利数据进行特征提取，得到每一部分的待分类的专利数据对应的特征向量。

6.如权利要求5所述的专利数据的CPC分类方法，其特征在于，所述词汇类特征的抽取策略包括：

将来自专利的标题、摘要和权利要求项技术文本类内容的文本进行特征抽取；

将动词或名词为主的关键词特征作为独立特征，将不筛选词性的分词结果作为独立特征；

将不同位置来源的特征彼此独立。

7.一种专利数据的CPC分类装置，其特征在于，包括：

获取单元，用于获取待分类的专利数据；

拆分单元，用于将待分类的专利数据拆分为多个部分，得到多个部分的待分类的专利数据；

特征向量化单元，用于根据预设特征提取策略，对每一部分的待分类的专利数据进行特征提取，得到每一部分的待分类的专利数据对应的特征向量；

预测单元，用于将每一部分的待分类的专利数据对应的特征向量输入预先建立的神经网络CPC分类模型的多个分类子模型中，得到专利数据的多个CPC分类子结果；根据多个CPC分类子结果预测得到最终的CPC分类结果；所述神经网络CPC分类模型根据多个历史专利样本数据预先训练生成，所述神经网络CPC分类模型包括多个分类子模型。

8.一种计算机设备，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计算机程序时实现权利要求1至6任一所述方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。