[发明专利]一种专利文本自动分类方法

权利要求书

1.一种专利文本自动分类方法，其特征在于，包括以下步骤：

步骤一、基于概率超图的专利文本建模

选取代表专利技术主题和法律特性的专利文本组成部分，分词处理后得到特征词，统计每个特征词在组成部分中的词频，最后通过引入位置加权因子来计算最终的特征词权重；将超边内各顶点与超边相应类簇质心的相似度作为关联矩阵中相应元素的取值，并将超边内各顶点与超边相应类簇质心的相似度之和作为该超边的权重；

步骤二、基于超图半监督学习的专利文本分类

计算每个顶点对应各个类别的得分值，然后分别选取得分值最高的类别作为每个顶点的最终类别。

2.如权利要求1所述的一种专利文本自动分类方法，其特征在于，所述代表专利技术主题和法律特性的专利文本组成部分为标题、摘要及主权项。

3.如权利要求1所述的一种专利文本自动分类方法，其特征在于，所述超边相应类簇质心的获取过程为：将每篇专利文本作为超图中的一个顶点，然后分别以每个顶点为基准构建一条超边，连接该顶点及其k个近邻顶点，对于每条超边，将该超边连接的k+1个顶点看成一个类簇，然后计算相应类簇的质心。

4.如权利要求3所述的一种专利文本自动分类方法，其特征在于，所述相应类簇的质心的计算公式为其中表示质心，表示顶点的第s个分量。

5.如权利要求1或4所述的一种专利文本自动分类方法，其特征在于，所述超边内各顶点与超边相应类簇质心的相似度的计算方法为：其中v_i为顶点，顶点v_i可表示为一个r维向量，即v_i＝(w_i1,w_i2,…,w_ir)，w_ir表示向量的一维。

6.如权利要求1所述的一种专利文本自动分类方法，其特征在于，所述计算每个顶点对应各个类别的得分值公式为：F＝(1-α)(I-αΘ)^-1Y，其中初始标记矩阵Y表示各顶点对应各类别的初始类别，类别得分矩阵F表示各顶点对应各类别的得分值，H是关联矩阵、W是权重对角阵、D_v是顶点度对角阵、D_e是超边度对角阵，α＝1/(1+μ)，μ为正则化参数。

7.如权利要求6所述的一种专利文本自动分类方法，其特征在于，所述矩阵Y和F为n×l矩阵，其中n为数据集中专利文本总数，l是类别的数量。