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
- Artificial Intelligence Exploring the Patent Field [0.0]
高度な言語処理と機械学習技術は、特許と技術知識管理の分野で大幅な効率向上を約束する。
本稿では,特許関連課題と一般的な方法論の体系的概要について述べる。
本稿では,特許と特許関連データの基本的側面を紹介する。
論文 参考訳(メタデータ) (2024-03-06T23:17:16Z) - FakeNewsGPT4: Advancing Multimodal Fake News Detection through
Knowledge-Augmented LVLMs [50.13829380113614]
本稿では,大規模視覚言語モデル(Large Vision-Language Models)を,操作推論のためのフォージェリ固有の知識で拡張する新しいフレームワークを提案する。
FakeNewsGPT4は、以前の方法よりも優れたクロスドメインパフォーマンスを実現している。
論文 参考訳(メタデータ) (2024-03-04T12:35:09Z) - 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) - Adaptive Taxonomy Learning and Historical Patterns Modelling for Patent
Classification [45.168693589731156]
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) - 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) - 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。