基于深度学习与多分类轮询机制的高质量“卡脖子”技术专利识别模型——以专利申请文件为研究主体

【目的】解决传统单分类方法无法有效识别高质量“卡脖子”技术专利的问题。【方法】以申请文件为研究主体,组合LSTM、Word2Vec及BERT得到多分类轮询的高质量“卡脖子”专利识别模型LSTM-Seq-BERT,并以IPC号为一级分类标签、授权状态为二级分类标签构建与模型对应的多级标签体系。【结果】对高质量“卡脖子”技术专利的识别精准度提高至88.1%。【局限】仅使用粤港澳大湾区专利,存在数据不平衡情况。【结论】本文构建的二级分类标签和轮询机制的模型可以提高对高质量“卡脖子”技术专利的识别准确率,具有实际应用价值。