論文相關的程式碼備份
資料：USPC 2006 年至 2016 年間分類編號 700 類別（軟體相關）的專利文檔
實作步驟：
- 專利擷取
- 連線至實驗室 MongoDB 取得專利資料特定欄位
- 預處理
- 斷詞
- 去停用詞
- 詞性還原
- 短語識別
- 詞向量計算
- TF-IDF
- Word2Vec
- 嘗試不同作法的詞向量計算
- 原創性評估
- 由專利資料中根據前人研究的原創性公式進行分類
- 機器學習模組
- CNN
- XGBoost
- Random Forest
- 比較模組成功率
Igouist/Thesis
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
About
論文程式存放：對 USPC 2006 年至 2016 年間分類編號 700 類別（軟體相關）的專利文檔，使用 Jieba 進行斷詞、TF-IDF 及 Word2Vec 處理向量，並嘗試用 CNN、XGBoost、隨機森林來建立專利創新度的模型