論文の概要: Benchmarking Embedding Geometries and Clustering Algorithms for Unsupervised Patent Claim Classification

• arxiv url: http://arxiv.org/abs/2610.12997v1
• Date: Fri, 09 Oct 2026 05:02:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.394448
• Title: Benchmarking Embedding Geometries and Clustering Algorithms for Unsupervised Patent Claim Classification
• Title（参考訳）: 無監督特許クレーム分類のためのジオメトリとクラスタリングアルゴリズムのベンチマーク
• Abstract要約: われわれは45,000の米国特許で,双曲型および一致するユークリッド変分オートエンコーダ(VAE)を訓練した。 双曲的モデルは、ユークリッドモデルよりも52%高い頻度で真にクロスカテゴリーの先行芸術を回収する。 10の技術領域の研究において、ドメインの分類範囲(CPCサブグループの数)が性能に近づいていることが判明した。
• 参考スコア（独自算出の注目度）: 0.4666493857924358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior-art retrieval systems are structurally organized around classification codes, making cross-code discovery difficult. This paper asks if an unsupervised representation trained on patent text can recover relevant connections that code-restricted search cannot, and if hyperbolic space helps. We trained a hyperbolic and a matched Euclidean Variational Autoencoder (VAE) on 45,000 US patents (96 runs, 6 seeds). The hyperbolic model retrieves genuinely cross-category prior art 52% more often than the Euclidean model (18.76% vs. 12.34% of top-10 results, 3,000 queries). This represents a practical gain for the motivating search problem. The hyperbolic model agrees less with official classification (NMI 0.2392 vs. 0.3206), which we explain geometrically: the two measures capture different goals, and only one aligns with prior-art search needs. In a study of 10 technology domains (50,000 more patents), we find that a domain's classification breadth--the number of distinct CPC subgroups spanned--predicts approach performance (Pearson r=-0.642, p=0.045, N=10), and that patents per subgroup is an even stronger predictor (r=0.715, p=0.020). This provides a checkable signal for practitioners to determine where the method is most valuable. We report all findings with statistical transparency and release a complete, 91-test automated implementation.
• Abstract（参考訳）: 先行技術検索システムは、分類コードを中心に構造的に構成されており、コード間の発見を困難にしている。 本稿では,特許文書で訓練された教師なし表現が,コード制限検索が不可能な関連関係を回復できるかどうか,双曲空間が有効かどうかを問う。 われわれは45,000の米国特許(96ラン,6シード)で,双曲型および一致するユークリッド変分オートエンコーダ(VAE)をトレーニングした。 双曲的モデルは、ユークリッドモデル(18.76%対トップ10結果の12.34%、3000クエリ)よりも52%高い頻度で真にクロスカテゴリーの先行芸術を回収する。 これは、モチベーションの高い検索問題にとって、現実的な利益となる。 双曲的モデルは公式分類 (NMI 0.2392 vs. 0.3206) とあまり一致せず、幾何的に説明する: 2つの測度は異なる目標を捉え、1つだけが先行技術による探索要求と一致している。 10のテクノロジー領域(さらに5万の特許)の研究において、ドメインの分類幅-異なるCPCサブグループの数(Pearson r=-0.642, p=0.045, N=10)によるアプローチ性能(Pearson r=-0.642, p=0.045, N=10)により、サブグループ当たりの特許はより強力な予測器(r=0.715, p=0.020)であることが判明した。 これにより、実践者が最も価値の高い場所を決定するためのチェック可能な信号が提供される。 統計的透明度ですべての結果を報告し,91テストの完全自動実装を公表した。

関連論文リスト

• Benchmarking Patent Embeddings: A Multi-Task Evaluation of 22 Models Across Retrieval, Classification, and Clustering [0.0]
  我々は,情報検索,分類,クラスタリングという3つのタスクに対して,事前学習した22の埋め込みモデルを評価する。 2つの結果は、一般的な知恵に疑問を投げかけている。
  論文  参考訳（メタデータ） (2026-05-22T23:51:13Z)
• Citation-Driven Multi-View Training for Patent Embeddings: QaECTER and Sophia-Bench [1.7299359373305296]
  大規模な特許検索ベンチマークであるSophiabenchを紹介する。 また、特許引用グラフに基づいて訓練されたコンパクトな埋め込みモデルであるQaECTERを紹介する。 どちらのベンチマークも、大規模な特許検索システムへの実践的な展開のために設計されている。
  論文  参考訳（メタデータ） (2026-04-24T12:18:00Z)
• Reducing Maintenance Burden in Behaviour-Driven Development: A Paraphrase-Robust Duplicate-Step Detector with a 1.1M-Step Open Benchmark [1.9537983097153042]
  振る舞い駆動開発スイートは、ドキュメント化されたメンテナンスコストとステップ重複の重複を蓄積します。 私たちはこれまでで最大の組織横断的なBDDステップコーパスをリリースします。
  論文  参考訳（メタデータ） (2026-04-22T11:44:05Z)
• PatenTEB: A Comprehensive Benchmark and Model Family for Patent Text Embedding [1.0742675209112622]
  特許テキストの埋め込みは、先行技術検索、技術造園、および特許分析を可能にするが、既存のベンチマークでは特許固有の課題を適切に捉えていない。 PatenTEBは、検索、分類、パラフレーズ、クラスタリングにまたがる15のタスクからなる総合的なベンチマークである。 我々は,最大4096個のトークンを持つ67万から344万のパラメータにまたがるマルチタスクトレーニングにより,ピアテムドモデルファミリを開発した。
  論文  参考訳（メタデータ） (2025-10-25T12:01:46Z)
• Optimal Multi-Distribution Learning [88.3008613028333]
  マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。 本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-08T16:06:29Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• Robust-by-Design Classification via Unitary-Gradient Neural Networks [66.17379946402859]
  安全クリティカルシステムにおけるニューラルネットワークの使用には、敵攻撃が存在するため、安全で堅牢なモデルが必要である。 任意の入力 x の最小逆摂動を知るか、または同値に、分類境界から x の距離は、分類ロバスト性を評価し、証明可能な予測を与える。 Unitary-Gradient Neural Networkと呼ばれる新しいネットワークアーキテクチャが紹介される。 実験結果から,提案アーキテクチャは符号付き距離を近似し,単一の推論コストでxのオンライン分類が可能であることがわかった。
  論文  参考訳（メタデータ） (2022-09-09T13:34:51Z)
• Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
  逆例は機械学習モデルにおいて広く研究されている現象である。 そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:49:10Z)

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。