KAPPA: A Generic Patent Analysis Framework with Keyphrase-Based Portraits

要約

特許分析は、特許の肖像画と呼ばれる簡潔で解釈可能な文書表現に大きく依存しています。
存在と不在の両方のキキフラゼは、その簡潔さ、代表性、明確さのために、特許の肖像画の理想的な候補です。
このペーパーでは、キーフレーズベースの特許ポートレートを構築し、特許分析を強化するために設計された統合フレームワークであるKappaを紹介します。
カッパは、特許肖像画の構築とポートレートベースの分析の2つのフェーズで動作します。
効果的なポートレート構造を確保するために、特許のマルチレベルの構造特性を活用するために、事前に訓練された言語モデルをプロンプトベースの階層デコード戦略と統合するセマンティックキャリブレーションキーフレーズ生成パラダイムを提案します。
ポートレートベースの分析のために、キーフレーズベースの特許ポートレートを採用して、効率的かつ正確な特許分析を可能にする包括的なフレームワークを開発します。
キーフレーズ生成のベンチマークデータセットに関する広範な実験では、提案されたモデルは、最先端のベースラインと比較して大幅な改善を達成します。
現実世界の特許アプリケーションで実施されたさらなる実験は、キーフレーズベースのポートレートがドメイン固有の知識を効果的にキャプチャし、特許分析タスクのセマンティック表現を充実させることを示しています。

要約(オリジナル)

Patent analysis highly relies on concise and interpretable document representations, referred to as patent portraits. Keyphrases, both present and absent, are ideal candidates for patent portraits due to their brevity, representativeness, and clarity. In this paper, we introduce KAPPA, an integrated framework designed to construct keyphrase-based patent portraits and enhance patent analysis. KAPPA operates in two phases: patent portrait construction and portrait-based analysis. To ensure effective portrait construction, we propose a semantic-calibrated keyphrase generation paradigm that integrates pre-trained language models with a prompt-based hierarchical decoding strategy to leverage the multi-level structural characteristics of patents. For portrait-based analysis, we develop a comprehensive framework that employs keyphrase-based patent portraits to enable efficient and accurate patent analysis. Extensive experiments on benchmark datasets of keyphrase generation, the proposed model achieves significant improvements compared to state-of-the-art baselines. Further experiments conducted on real-world patent applications demonstrate that our keyphrase-based portraits effectively capture domain-specific knowledge and enrich semantic representation for patent analysis tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google