[发明专利]使用机器学习来表征在引用图形上应用的参考关系

说明书

提供了使用机器学习进行文档分析的技术。接收对索引文档的选择，并标识参考该索引文档的多个文档。对于该多个文档中的每个相应文档，提取该相应文档的相应部分，其中该相应部分参考该索引文档；以及为该相应部分生成相应向量表示。通过使用经训练的分类器处理该向量表示，基于该多个文档中的每个文档如何与该索引文档相关，为该多个文档生成多个分组。最后，连同该索引文档，至少提供该多个分组的指示。

背景技术

本公开涉及电子文档分析，并且更具体地，涉及使用机器学习来分析和表征电子文档。

在审查学术出版物、期刊和会议论文集时，读者经常对探索与任意给定文章有关的作品和出版物感兴趣。用户通常会利用每篇论文中包括的引用，以便于标识其他相关论文，这些相关论文可用于扩展用户对主题和论文本身的理解。另外，用户可能希望定位引用或参考特定文档的文档，以便更好地理解该文档及其在该领域的位置如何以及学术界对它的反应如何。通常，这些参考是根据其发布日期进行组织的。但是，在不先阅读每个文档的情况下，用户将无法确定这些文档如何与特定文档关联，这既浪费时间和成本，又容易产生主观性和错误性。这样，用户很难高效地获得对每个文档如何与该领域相关的客观和细致的理解。

发明内容

根据本公开的一个实施例，提供了一种方法。该方法包括：接收对索引文档的选择；以及标识参考该索引文档的多个文档。对于多个文档中的每个相应文档，该方法包括：提取相应文档的相应部分，其中相应部分参考索引文档；以及通过一个或多个处理器的操作，为相应部分生成相应向量表示。该方法还包括通过使用经训练的分类器处理向量表示，基于多个文档中的每个文档如何与索引文档相关，为多个文档生成多个分组。最终，该方法包括连同索引文档，至少提供多个分组的指示。

根据本公开的第二实施例，提供了一种计算机可读存储介质。该计算机可读存储介质具有与其一起体现的程序代码，该计算机可读程序代码由一个或多个计算机处理器可执行以执行操作。该操作包括：接收对索引文档的选择；以及标识参考该索引文档的多个文档。对于多个文档中的每个相应文档，该操作包括：提取相应文档的相应部分，其中相应部分参考索引文档；以及通过一个或多个处理器的操作，为相应部分生成相应向量表示。该操作还包括通过使用经训练的分类器处理向量表示，基于多个文档中的每个文档如何与索引文档相关，为多个文档生成多个分组。最终，该操作包括连同索引文档，至少提供多个分组的指示。

根据本公开的第三实施例，提供了一种系统。该系统包括一个或多个计算机处理器，以及包含程序的存储器，该程序在由一个或多个计算机处理器执行时执行操作。该操作包括：接收对索引文档的选择；以及标识参考该索引文档的多个文档。对于多个文档中的每个相应文档，该操作包括：提取相应文档的相应部分，其中相应部分参考索引文档；以及通过一个或多个处理器的操作，为相应部分生成相应的向量表示。该操作还包括通过使用经训练的分类器处理向量表示，基于多个文档中的每个文档如何与索引文档相关，为多个文档生成多个分组。最终，该操作包括连同索引文档，至少提供多个分组的指示。

附图说明

图1示出了根据本文公开的一个实施例的用于基于电子文档与索引文档的关系来对电子文档进行分类的工作流。

图2是示出了根据本文公开的一个实施例的被配置为对电子文档进行分析和分类的分析设备的框图。

图3是示出了根据本文公开的一个实施例的使用机器学习来对电子文档进行分析和分类的方法的流程图。

图4A示出了根据本文公开的一个实施例的用于训练词语嵌入编码器以分析电子文档的工作流。

图4B示出了根据本文所公开的一个实施例的用于使用受训练的词语嵌入编码器来分析电子文档的工作流。

图5是示出了根据本文公开的一个实施例的对电子文档进行分析和分类的方法的流程图。

具体实施方式