System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能管理领域,且更为具体地,涉及一种基于人工智能的知识产权数据管理方法及系统。
技术介绍
1、知识产权是指人们在创造性活动中所产生的智力成果的法律保护。专利是一种重要的知识产权形式,用于保护新颖、非显而易见且具有实用性的技术专利技术。随着科技的快速发展和全球化竞争的加剧,有效管理和利用现有专利信息对于企业和研究机构来说变得尤为重要。
2、然而,传统的专利检索方法主要依赖于关键词匹配,但这种方法存在一些问题。首先,关键词匹配容易受到语义差异的影响,同义词、近义词等可能导致检索结果的不准确性。其次,关键词匹配无法充分利用专利文本中的语义信息,导致检索结果的覆盖范围有限。
3、因此,期望一种基于人工智能的知识产权数据管理方案。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于人工智能的知识产权数据管理方法及系统,其通过获取用户输入的专利查询输入以及数据库中调取的备选专利后,在后端引入语义理解算法来进行专利查询输入和备选专利的语义分析和匹配,以此基于两者的匹配度来判断是否返回该备选专利。这样,能够更好地利用专利文本中的语义信息,减少了语义差异带来的影响,通过这样的方式,能够克服传统关键词匹配方法的局限性,提供更为精确的检索结果,且能够帮助用户更快速地获取所需的专利信息,从而提高了专利检索的准确性和效率。
2、根据本申请的一方面,提供了一种基于人工智能的知识产权数据管理方法,其包括:
3、获取由用户输
4、对所述专利查询输入进行分词处理后通过语义编码器以得到专利查询输入描述语义理解特征向量;
5、从后台数据库调取第一备选专利;
6、从所述第一备选专利提取文本内容,并对所述文本内容进行语义编码以得到第一备选专利文本内容词粒度特征向量的序列;
7、对所述专利查询输入描述语义理解特征向量和所述第一备选专利文本内容词粒度特征向量的序列进行语义关联匹配分析以得到匹配结果语义表达特征;
8、基于所述匹配结果语义表达特征,确定第一备选专利的匹配度是否超过预定阈值。
9、根据本申请的另一方面,提供了一种基于人工智能的知识产权数据管理系统,其包括:
10、专利查询输入获取模块,用于获取由用户输入的专利查询输入;
11、专利查询语义理解模块,用于对所述专利查询输入进行分词处理后通过语义编码器以得到专利查询输入描述语义理解特征向量;
12、备选专利调取模块,用于从后台数据库调取第一备选专利;
13、备选专利文本词粒度语义理解模块,用于从所述第一备选专利提取文本内容,并对所述文本内容进行语义编码以得到第一备选专利文本内容词粒度特征向量的序列;
14、专利语义关联匹配模块,用于对所述专利查询输入描述语义理解特征向量和所述第一备选专利文本内容词粒度特征向量的序列进行语义关联匹配分析以得到匹配结果语义表达特征;
15、备选专利匹配度判断模块,用于基于所述匹配结果语义表达特征,确定第一备选专利的匹配度是否超过预定阈值。
16、与现有技术相比,本申请提供的一种基于人工智能的知识产权数据管理方法及系统,其通过获取用户输入的专利查询输入以及数据库中调取的备选专利后,在后端引入语义理解算法来进行专利查询输入和备选专利的语义分析和匹配,以此基于两者的匹配度来判断是否返回该备选专利。这样,能够更好地利用专利文本中的语义信息,减少了语义差异带来的影响,通过这样的方式,能够克服传统关键词匹配方法的局限性,提供更为精确的检索结果,且能够帮助用户更快速地获取所需的专利信息,从而提高了专利检索的准确性和效率。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的知识产权数据管理方法,其特征在于,包括:
2.根据权利要求1所述的基于人工智能的知识产权数据管理方法,其特征在于,对所述专利查询输入进行分词处理后通过语义编码器以得到专利查询输入描述语义理解特征向量,包括:
3.根据权利要求2所述的基于人工智能的知识产权数据管理方法,其特征在于,从所述第一备选专利提取文本内容,并对所述文本内容进行语义编码以得到第一备选专利文本内容词粒度特征向量的序列,包括:将所述文本内容通过包含词嵌入层的备选专利语义编码器以得到第一备选专利文本内容词粒度特征向量的序列。
4.根据权利要求3所述的基于人工智能的知识产权数据管理方法,其特征在于,对所述专利查询输入描述语义理解特征向量和所述第一备选专利文本内容词粒度特征向量的序列进行语义关联匹配分析以得到匹配结果语义表达特征,包括:使用语义匹配模块对所述专利查询输入描述语义理解特征向量和所述第一备选专利文本内容词粒度特征向量的序列进行语义关联匹配以得到匹配结果语义表达特征向量作为所述匹配结果语义表达特征。
5.根据权利要求4所述的基于人工智能的知识
6.根据权利要求5所述的基于人工智能的知识产权数据管理方法,其特征在于,基于所述匹配结果语义表达特征,确定第一备选专利的匹配度是否超过预定阈值,包括:
7.根据权利要求6所述的基于人工智能的知识产权数据管理方法,其特征在于,对所述匹配结果语义表达特征向量进行特征分布优化以得到优化匹配结果语义表达特征向量,包括:
8.根据权利要求7所述的基于人工智能的知识产权数据管理方法,其特征在于,将所述优化匹配结果语义表达特征向量通过分类器以得到分类结果,所述分类结果用于表示第一备选专利的匹配度是否超过预定阈值,包括:
9.一种基于人工智能的知识产权数据管理系统,其特征在于,包括:
10.根据权利要求9所述的基于人工智能的知识产权数据管理系统,其特征在于,所述备选专利匹配度判断模块,包括:
...【技术特征摘要】
1.一种基于人工智能的知识产权数据管理方法,其特征在于,包括:
2.根据权利要求1所述的基于人工智能的知识产权数据管理方法,其特征在于,对所述专利查询输入进行分词处理后通过语义编码器以得到专利查询输入描述语义理解特征向量,包括:
3.根据权利要求2所述的基于人工智能的知识产权数据管理方法,其特征在于,从所述第一备选专利提取文本内容,并对所述文本内容进行语义编码以得到第一备选专利文本内容词粒度特征向量的序列,包括:将所述文本内容通过包含词嵌入层的备选专利语义编码器以得到第一备选专利文本内容词粒度特征向量的序列。
4.根据权利要求3所述的基于人工智能的知识产权数据管理方法,其特征在于,对所述专利查询输入描述语义理解特征向量和所述第一备选专利文本内容词粒度特征向量的序列进行语义关联匹配分析以得到匹配结果语义表达特征,包括:使用语义匹配模块对所述专利查询输入描述语义理解特征向量和所述第一备选专利文本内容词粒度特征向量的序列进行语义关联匹配以得到匹配结果语义表达特征向量作为所述匹配结果语义表达特征。
5.根据权利要求4所述的基于人工智能的知识产权数据管理方法,其特征在于,使用语义匹配模块对所述专利查询输入描述语义理解...
【专利技术属性】
技术研发人员:杨玉山,范辉乐,李秋琦,成瑶,谢业坤,吴桐,张艳,周建玉,莫扬,黄淑勤,
申请(专利权)人:广西科泰科技信息咨询有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。