論文の概要: Multi label classification of Artificial Intelligence related patents using Modified D2SBERT and Sentence Attention mechanism

• arxiv url: http://arxiv.org/abs/2303.03165v1
• Date: Fri, 3 Mar 2023 12:27:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 15:57:11.976970
• Title: Multi label classification of Artificial Intelligence related patents using Modified D2SBERT and Sentence Attention mechanism
• Title（参考訳）: 修正D2SBERTと文意図機構を用いた人工知能関連特許のマルチラベル分類
• Authors: Yongmin Yoo, Tak-Sung Heo, Dongjin Lim, Deaho Seo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Patent classification is an essential task in patent information management and patent knowledge mining. It is very important to classify patents related to artificial intelligence, which is the biggest topic these days. However, artificial intelligence-related patents are very difficult to classify because it is a mixture of complex technologies and legal terms. Moreover, due to the unsatisfactory performance of current algorithms, it is still mostly done manually, wasting a lot of time and money. Therefore, we present a method for classifying artificial intelligence-related patents published by the USPTO using natural language processing technique and deep learning methodology. We use deformed BERT and sentence attention overcome the limitations of BERT. Our experiment result is highest performance compared to other deep learning methods.
• Abstract（参考訳）: 特許分類は特許情報管理と特許知識採掘において重要な課題である。 今日の最大の話題である人工知能に関連する特許を分類することは、非常に重要である。 しかし、人工知能関連の特許は複雑な技術と法的用語が混在しているため、分類が非常に難しい。 さらに、現在のアルゴリズムの性能が不十分であるため、手作業による作業がほとんどであり、多くの時間と費用を浪費している。 そこで本稿では,USPTOが発行する人工知能関連特許を自然言語処理技術とディープラーニング手法を用いて分類する手法を提案する。 変形したBERTと文の注意はBERTの限界を克服する。 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。

関連論文リスト

• PatentEdits: Framing Patent Novelty as Textual Entailment [62.8514393375952]
  このデータセットには105万例の修正が成功している。 我々は、文章を文単位でラベル付けするアルゴリズムを設計し、これらの編集がいかに大きな言語モデルで予測できるかを確立する。 引用引用文と起草文の文的含意を評価することは,どの発明的主張が変化しないか,あるいは先行技術に関して新規かを予測するのに特に有効であることを示す。
  論文  参考訳（メタデータ） (2024-11-20T17:23:40Z)
• Automated Neural Patent Landscaping in the Small Data Regime [6.284464997330885]
  近年の特許活動の急速な拡大により、効率的かつ効果的な自動的特許造成アプローチの必要性が高まっている。 本稿では, 難解な事例に対して, 性能を著しく向上させる, 自動型ニューラルネットワーク特許造園システムを提案する。
  論文  参考訳（メタデータ） (2024-07-10T19:13:37Z)
• Natural Language Processing in Patents: A Survey [0.0]
  重要な技術的および法的情報をカプセル化した特許は、自然言語処理(NLP)アプリケーションのための豊富なドメインを提供する。 NLP技術が発展するにつれて、大規模言語モデル(LLM)は一般的なテキスト処理や生成タスクにおいて優れた能力を示してきた。 本稿は,NLP研究者に,この複雑な領域を効率的にナビゲートするために必要な知識を付与することを目的とする。
  論文  参考訳（メタデータ） (2024-03-06T23:17:16Z)
• 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)
• A Novel Patent Similarity Measurement Methodology: Semantic Distance and Technological Distance [0.0]
  特許類似性分析は、特許侵害のリスクを評価する上で重要な役割を果たす。 自然言語処理技術の最近の進歩は、このプロセスを自動化するための有望な道を提供する。 本稿では,特許間の類似性を考慮し,特許の意味的類似性を考慮し,特許間の類似度を測定するハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2023-03-23T07:55:31Z)
• Automated Single-Label Patent Classification using Ensemble Classifiers [0.0]
  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。
  論文  参考訳（メタデータ） (2022-03-03T08:47:15Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• Attentive Max Feature Map for Acoustic Scene Classification with Joint Learning considering the Abstraction of Classes [48.6946385738143]
  本稿では,注意機構の解明と現象の緩和のために,注意と最大特徴写像の2つの効果的な手法を組み合わせた注意最大特徴写像と呼ばれる機構を提案する。 提案手法を2つ適用し,サブタスクA上での単一システム間の最先端の性能を実現した。
  論文  参考訳（メタデータ） (2021-04-15T03:14:15Z)
• Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
  ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。 この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。 決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
  論文  参考訳（メタデータ） (2021-02-23T08:07:22Z)
• TernaryBERT: Distillation-aware Ultra-low Bit BERT [53.06741585060951]
  本稿では,細調整されたBERTモデルの重みを3元化するternaryBERTを提案する。 GLUEベンチマークとSQuADの実験により,提案した TernaryBERT が他のBERT量子化法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-09-27T10:17:28Z)

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。