論文の概要: Automated Single-Label Patent Classification using Ensemble Classifiers
- arxiv url: http://arxiv.org/abs/2203.03552v1
- Date: Thu, 3 Mar 2022 08:47:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-12 06:10:07.834597
- Title: Automated Single-Label Patent Classification using Ensemble Classifiers
- Title（参考訳）: アンサンブル分類器を用いた単一ラベル特許の自動分類
- Authors: Eleni Kamateri, Vasileios Stamatis, Konstantinos Diamantaras, Michail
Salampasis
- Abstract要約: 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な方法を提案する。
我々の知る限りでは、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これが初めてである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many thousands of patent applications arrive at patent offices around the
world every day. One important subtask when a patent application is submitted
is to assign one or more classification codes from the complex and hierarchical
patent classification schemes that will enable routing of the patent
application to a patent examiner who is knowledgeable about the specific
technical field. This task is typically undertaken by patent professionals,
however due to the large number of applications and the potential complexity of
an invention, they are usually overwhelmed. Therefore, there is a need for this
code assignment manual task to be supported or even fully automated by
classification systems that will classify patent applications, hopefully with
an accuracy close to patent professionals. Like in many other text analysis
problems, in the last years, this intellectually demanding task has been
studied using word embeddings and deep learning techniques. In this paper we
shortly review these research efforts and experiment with similar deep learning
techniques using different feature representations on automatic patent
classification in the level of sub-classes. On top of that, we present an
innovative method of ensemble classifiers trained with different parts of the
patent document. To the best of our knowledge, this is the first time that an
ensemble method was proposed for the patent classification problem. Our first
results are quite promising showing that an ensemble architecture of
classifiers significantly outperforms current state-of-the-art techniques using
the same classifiers as standalone solutions.
- Abstract（参考訳）: 毎日何千もの特許出願が世界中の特許事務所に届いている。
特許出願が提出された場合の重要なサブタスクは、特定の技術分野に詳しい特許審査官に特許出願のルーティングを可能にする複雑で階層的な特許分類スキームから1つ以上の分類コードを割り当てることである。
このタスクは通常、特許専門家によって行われるが、多くの応用と発明の潜在的な複雑さのため、通常は圧倒される。
したがって、このコード割り当てマニュアルタスクは、特許専門家に近い精度で、特許出願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必要がある。
他の多くのテキスト分析問題と同様に、この知的に要求される課題は、単語埋め込みとディープラーニング技術を用いて研究されてきた。
本稿では,これらの研究成果を概観し,サブクラスレベルの自動特許分類における特徴表現を用いた類似の深層学習手法を試行する。
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な手法を提案する。
我々の知る限りでは、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これが初めてである。
我々の最初の結果は、分類器のアンサンブルアーキテクチャが、スタンドアロンのソリューションと同じ分類器を用いた最先端技術を大幅に上回っていることを示すものである。
関連論文リスト
- LC-Protonets: Multi-label Few-shot learning for world music audio tagging [65.72891334156706]
ラベル結合型プロトタイプネットワーク(LC-Protonets)を導入し,複数ラベルの複数ショット分類の問題に対処する。
LC-Protonetsは、限られたトレーニング項目に存在するラベルのパワーセットから、ラベルの組み合わせごとに1つのプロトタイプを生成する。
本手法は,様々な文化をカバーし,現代音楽と伝統音楽の両方を含む,多様な音楽データセットにまたがる自動音声タグ付けに適用する。
論文 参考訳（メタデータ） (2024-09-17T15:13:07Z) - A Comprehensive Survey on AI-based Methods for Patents [14.090575139188422]
AIベースのツールは、特許サイクルにおける重要なタスクを合理化し、強化する機会を提供する。
この学際的な調査は、AIと特許分析の交差点で働く研究者や実践者のリソースとして機能することを目的としている。
論文 参考訳（メタデータ） (2024-04-02T20:44:06Z) - PaECTER: Patent-level Representation Learning using Citation-informed
Transformers [0.16785092703248325]
PaECTERは、特許に特有のオープンソースドキュメントレベルのエンコーダである。
我々は,特許文書の数値表現を生成するために,受験者による引用情報付き特許用BERTを微調整する。
PaECTERは、特許ドメインで使用されている現在の最先端モデルよりも類似性タスクが優れている。
論文 参考訳（メタデータ） (2024-02-29T18:09:03Z) - Unveiling Black-boxes: Explainable Deep Learning Models for Patent
Classification [48.5140223214582]
深部不透明ニューラルネットワーク(DNN)を利用した多ラベル特許分類のための最先端手法
レイヤワイド関連伝搬(Layer-wise Relevance propagation, LRP)を導入し, 特許の詳細な分類手法を提案する。
関連性スコアを考慮し、予測された特許クラスに関連する単語を視覚化して説明を生成する。
論文 参考訳（メタデータ） (2023-10-31T14:11:37Z) - Multi-Label Knowledge Distillation [86.03990467785312]
本稿では,新しい多ラベル知識蒸留法を提案する。
一方、マルチラベル学習問題をバイナリ分類問題に分割することにより、ロジットからの情報的意味知識を利用する。
一方,ラベルワイド埋め込みの構造情報を活用することにより,学習した特徴表現の識別性を向上する。
論文 参考訳（メタデータ） (2023-08-12T03:19:08Z) - Adaptive Taxonomy Learning and Historical Patterns Modelling for Patent Classification [26.85734804493925]
本稿では,特許分類に関する特許に関する情報を包括的に検討する統合フレームワークを提案する。
まず,その意味表現を導出するためのICC符号相関学習モジュールを提案する。
最後に、IPC符号のセマンティクスを含む特許文書の文脈情報と、予測を行うために利用者のシーケンシャルな選好を割り当てる。
論文 参考訳（メタデータ） (2023-08-10T07:02:24Z) - Multi label classification of Artificial Intelligence related patents
using Modified D2SBERT and Sentence Attention mechanism [0.0]
本稿では,自然言語処理技術とディープラーニング手法を用いて,USPTOが発行する人工知能関連特許を分類する手法を提案する。
実験結果は,他の深層学習法と比較して高い性能を示した。
論文 参考訳（メタデータ） (2023-03-03T12:27:24Z) - Open-Set Automatic Target Recognition [52.27048031302509]
オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。
既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。
ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-10T21:28:24Z) - Class-Specific Semantic Reconstruction for Open Set Recognition [101.24781422480406]
オープンセット認識により、ディープニューラルネットワーク(DNN)は未知のクラスのサンプルを識別できる。
本稿では,自動エンコーダ(AE)とプロトタイプ学習を統合したCSSR(Class-Specific Semantic Reconstruction)を提案する。
複数のデータセットで実験を行った結果,提案手法は閉集合認識と開集合認識の両方において優れた性能を発揮することがわかった。
論文 参考訳（メタデータ） (2022-07-05T16:25:34Z) - A Survey on Sentence Embedding Models Performance for Patent Analysis [0.0]
本稿では,PatentSBERTaアプローチに基づく埋め込みモデルの精度を評価するための標準ライブラリとデータセットを提案する。
patentSBERTa, Bert-for-patents, and TF-IDF Weighted Word Embeddings is the most accuracy for computing sentence embeddeds at the subclass level。
論文 参考訳（メタデータ） (2022-04-28T12:04:42Z) - Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。
我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。
主アルゴリズムの正確性と収束性を保証する。
論文 参考訳（メタデータ） (2021-02-01T01:13:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。