马建红，曹文斌，刘元刚，夏 爽

（1.河北工业大学人工智能与数据科学学院，天津 300401；2.天津市科学技术协会，天津 300041；3.天津科学技术馆，天津 300210）

（*通信作者电子邮箱m_zh2002@126.com）

0 引言

专利文献代表企业的创新性和先进性，可以提高其竞争力，增加其经济效益。根据世界知识产权组织的资料，专利文献占全世界最新科学研究成果的90%～95%，约70%的发明和技术从未在其他非专利文献中发表过［1］。如果企业能够利用好专利文献，可以减少投入，加速创新。

专利聚类的目的是有效收集最新的专利资讯，以实现技术规避。近年来，为了更好地对专利进行聚类，研究员们对专利进行大量研究，并产出大量成果。研究表明，特征提取［2-4］对聚类结果影响很大。如周栋等［5］利用一种用于信息检索与数据挖掘的常用加权技术TF-IDF（Term-Frequency-Inverse-Document-Frequency）方法对专利内容进行向量表示，并对TFIDF 提取的关键词在技术搜索方法上进行了研究；但由于专利内容较多，通过TF-IDF 生成的向量空间维度会随着专利篇幅变多而升高，在相似度计算或者对向量空间进行应用时会消耗大量的时间，而且该方法还抛弃了专利内容中的大量语义信息，导致模型准确性不高。

卷积神经网络（Convolution Neural Network，CNN）可以学习复杂、多维和非线性映射关系，更好地挖掘词与词之间的语义联系，所以结合CNN 和词嵌入的方法进行实验，效果得到很大提升。Lei 等［6］将专利文档映射到CNN 所追踪的特征向量上，提出了基于向量空间模型（Vector Space Model，VSM）的改进版本——特征向量空间模型（Feature Vector Space Model，FVSM），既减少了空间维度，也将专利内容的语义信息增加到向量空间模型中，取得了不错的效果。……