（本文发表于《情报理论与实践》2018年第11期）

摘要 ［目的/意义］为了满足对海量专利数据进行自动分类的需求，提出了一种基于多示例学习框架的专利文本分类方法。［方法/过程］将专利文本当作包，专利文本的标题和摘要分别作为两个示例，通过数学建模将专利文本映射成无向图，构建基于无向图的高斯核函数，运用SVM方法训练分类器，完成对无标记专利文本的预测。［结果/结论］实验结果表明，该方法相较于传统的SVM、KNN方法能更加有效准确地预测未标记专利文本的分类，为文本挖掘领域相关方向的研究提供新的视角。［局限］实验样本数量有待进一步丰富。

关键词 ： 专利文本分类,  多示例学习,  分类方法,  支持向量机  

链接：基于多示例学习框架的专利文本分类方法研究  http://www.itapress.cn/CN/abstract/abstract515.shtml