抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
何千もの特許アプリケーションは,毎日世界中の特許オフィスに到着している。特許アプリケーションが提出されたときの1つの重要なサブタスクは,特定の技術的分野について知る特許試験者への特許アプリケーションのルーティングを可能にする,複雑で階層的特許分類方式から1つ以上の分類コードを割り当てることである。このタスクは,特許専門家によって典型的に行われるが,多くのアプリケーションと発明の潜在的複雑性のため,それらは通常圧倒的である。したがって,特許専門家に近い精度で特許アプリケーションを分類する分類システムによってサポートされるか,あるいは完全に自動化されるこのコード割当てマニュアルタスクの必要性がある。多くの他のテキスト解析問題と同様に,この知的要求タスクは,単語埋込みと深層学習技術を用いて研究されている。本論文では,サブクラスのレベルにおける自動特許分類に関する異なる特徴表現を用いて,同様の深層学習技法によるこれらの研究努力と実験を簡潔にレビューした。その上,特許文書の異なる部分で訓練されたアンサンブル分類器の革新的方法を示した。知る限りでは,特許分類問題に対してアンサンブル法が提案されたのは初めてである。著者らの最初の結果は,分類器のアンサンブルアーキテクチャが独立解と同じ分類器を用いて現在の最先端技術を大幅に凌駕することを示している。【JST・京大機械翻訳】