基于融合指标的电力专利可信数据挖掘方法研究

作     者：祝和明 蔡榕 周长江 王存超 郭晏 ZHU He-ming;CAI Rong;ZHOU Chang-jiang;WANG Cun-chao;GUO Yan

作者机构：国网江苏省电力有限公司江苏南京210000 

基　　金：国网江苏省电力有限公司科技项目(J2019139) 

出 版 物：《自动化技术与应用》 (Techniques of Automation and Applications)

年 卷 期：2024年第43卷第3期

页      码：139-142,164页

摘      要：电力专利信息不断增长,已超过传统挖掘方法处理的极限,挖掘效果明显下降,因此提出一种基于融合指标的电力专利可信数据挖掘方法。构建电力专利信息关联模型,经过排序获取最佳专利可信信息。采用表示学习模型提取词性特征与组合特征,设计深层表示学习模型。利用TF-IDF算法,求取各命名实体所对应的词向量,依据余弦相似度度量专利信息的语义相似度,实现信息语义融合。最后通过机器学习的支持向量机分类方法,实现电力专利信息挖掘。仿真实验表明,所提方法不仅可以有效挖掘专利信息,而且效率与精准度较为理想。

主 题 词：融合指标 电力专利 数据挖掘 机器学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 

D　O　I：10.20033/j.1003-7241.(2024)03-0139-05

馆 藏 号：203126900...