文献

J-GLOBAL ID：201902221711491259   整理番号：19A0988170

特徴ベクトル空間モデルに基づく特許分析: iotの事例【JST・京大機械翻訳】

Patent Analytics Based on Feature Vector Space Model: A Case of IoT

著者 (3件)： Lei Lei (College of Science and Engineering, James Cook University, Townsville, QLD, Australia) ,  Qi Jiaju (Intelligent Computing and Communication (IC2) Laboratory, Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zheng Kan (Intelligent Computing and Communication (IC2) Laboratory, Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 45705-45715  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 世界的に承認された特許の数は毎年急速に増加し,これらの特許に添付された価値ある情報を効率的に採掘するために新しい特許分析を必要とする。ベクトル空間モデル(VSM)は,各次元がユニークな用語に対応する高次元ベクトルとしてドキュメントを表現する。情報検索システムのために最初に提案されたが,VSMは特許分析に広く応用されており,特許文書を構造化されたデータにマップするための基本的なツールとして使用されている。しかし,VSM法は,特許分析タスクに適用される場合,例えば,文レベル意味論の損失や次元問題のようないくつかの制約を受ける。上記の限界を扱うために,特徴VSM(FVSM)に基づく特許分析を提案する。そこでは,FVSMは,畳込みニューラルネットワーク(CNNs)によって抽出されたベクトルを特徴とするために,特許文書をマッピングすることによって構築される。3つの典型的特許分析タスク,すなわち特許類似性比較,特許クラスタ化,および特許マップ生成に対するFVSMの応用を検討した。モノのインターネット(IoT)技術に関連する特許を用いた事例研究を示し,FVSMの性能と有効性を実証した。提案したFVSMは,様々な大規模データ学習タスクを実行できるように,VSMを置き換えるための他の特許分析研究によって採用することができる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 類似性 ,  事例研究 ,  情報検索システム ,  クラスタ化 ,  学習 ,  有効性 ,  意味論 ,  *ベクトル ,  高速度 ,  高次元
準シソーラス用語： 大規模データ ,  モノのインターネット ,  畳込みニューラルネットワーク ,  *特許分析 ,  *ベクトル空間モデル , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ベクトル空間モデル ,  特許分析 ,  IoT