專利文件之自動分類研究

Abstract

專利文件分類是專利文件分析一項重要的工作。目前在重新調整分類結構和文件分類都需要以人工的方式進行，因此提高自動化分類的正確性，將有效地幫助專利研究人員快速地完成工作。在分類階段，以往利用tf-idf計算詞彙的權重，進行向量空間模型分類法。在本論文中，我們加入Entropy的概念提出新的修正詞彙權重計算方法，以降低因過少的詞彙群組數對文件分類造成的負面影響。我們分別取以主類別(語料1)和子類別(語料2)分類的美國專利文件進行分類研究，經過權重修正之後，在語料1中，當減少至200個詞群數時，調和平均值可由0.387提升至0.735；而語料2在8836至2000之間的詞群數，調和平均值從0.35可提升至0.42。