Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于图注意力网络的专利抄袭判定方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:广东财经大学

摘要:本发明提供的专利文本相似度判定方法,该方法研究运用图注意力机制构建了一种新的基于深度学习的抄袭专利识别技术。通过整合BERT的强大语义理解和GAT的图注意力网络,该方法能有效捕获专利文本中的复杂语义关系和结构信息。与传统方法相比,专利抄袭关系的准确性和精确度方面均取得了显著提升。该方法在文本相似度检测领域具有广阔的应用前景,在提高文本抄袭识别准确性和精确度方面具有巨大潜力,并在专利审查和相关领域中具有重要的应用意义。

主权项:1.一种基于图注意力网络的专利抄袭判定方法,其特征在于,所述方法包括如下步骤:步骤1:将各项独立的权利要求作为图数据结构中的节点,将其引用关系构建为图数据结构中有向边的形式,形成一个权利要求引用网络,记为权利要求图G,其对应的邻接矩阵记为A;步骤2:句子级别语义特征提取;采用BERT预训练模型的中文版本bert-base-chinese提取文本语义特征,BERT包括了词嵌入层、注意力层、归一化层和前向传播层;将各项权利要求分词后分别输入BERT中;输入过程中,首先通过词嵌入层将各个节点映射到低维度的特征向量表示,然后通过多层的注意力机制,捕获到各个句子局部的关系特征,计算得到各个节点的语义特征表示;步骤3:基于图的全局语义特征提取;将所述步骤1中构建的邻接矩阵A和步骤2提取的句子级别特征X作为图模型的输入,采用三层图多头注意力网络计算各节点之间的联系并对其进行特征重构,最后再将输出的全局特征沿节点维度进行平均计算,得到带有全局信息的语义特征向量,记为Y;步骤4:专利抄袭关系判断;通过前述步骤分别得到待评估专利P1和对比专利P2的权利要求书的全局信息的语义特征向量,分别记为为Y1和Y2,并计算Y1和Y2差的绝对值,作为判断句子对相似度的特征向量;然后将其置入前馈神经网络层,并映射成二维抄袭状态概率分布向量,最后使用函数进行是否抄袭关系判断处理。

全文数据:

权利要求:

百度查询: 广东财经大学 一种基于图注意力网络的专利抄袭判定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。