孙 伟，刘文静，葛丽阁，余 璇

(上海海事大学 信息工程学院，上海 201306)

0 引 言

每年公布的专利说明书约100万件，并以每年9万件的速度递增。目前专利文献分类主要以国际专利分类法(IPC)作为分类标准，而使用IPC进行检索时需了解IPC分类号对应的位置和内容。而面对数量如此庞大的专利文献，仅仅依靠人工方式对专利文献进行分类已经不能满足文献数量快速增长的需求。因此，利用计算机对大量专利文献进行自动分类就显得愈加重要。

近年来，由于主题模型在文本分类方面取得了极好的应用效果，学者们结合专利文献的特点开展了主题模型在专利文献分类领域的研究工作。这些研究工作主要分为两大类，一类是利用专利关键词、作者或单位等辅助信息的专利文献分类。黎楠等[1]在文档-主题-词模型的基础上，利用每位发明人的专利数据，提出了一种发明人兴趣主题模型的方法，将标准三层LDA模型变为专利数据中的发明人-主题-词的发明人兴趣模型，实现发明人的主题发现。王博等[2]将主题模型应用于专利文献时，利用专利机构信息构建LDA机构-主题模型，对专利知识主体和客体联合建模，实现专利主题和机构之间的内在关系分析。另一类是基于专利内容的专利文献分类。蒋健安等[3]改进了无词典分词和权重计算，提出一种层次分类方法，面向专利文献数据的文本自动分类系统做框架模型。专利文献中出现的专业词汇具有更优的主题区分能力，学者们针对LDA模型的词对主题分类中的影响也开展了相关研究。……