报告题目:面向专利数据的表示学习方法研究
报告人:赵姝(安徽大学计算机科学与技术学院)
报告时间:2022年11月17日 星期四下午19:00
报告地点:腾讯会议 347-826-853
主办单位:合肥工业大学经济学院
赵姝,安徽大学计算机科学与技术学院教授、博导,CCF高级会员,中国人工智能学会粒计算与知识发现专委会常务委员,安徽省人工智能学会常务理事,担任国际期刊IEEE TBD的Associate Editor,国际标准IEEE P2807.4工作组秘书。主要研究领域:粒计算、图数据挖掘、文本数据挖掘。承担了十多项国家级、省部级科研项目和企事业委托课题;近五年来在TKDE、TOIS、IJCAI、EMNLP及《计算机学报》等国际和国内人工智能领域具有重要影响力的刊物和会议发表论文30 多篇,获多项发明专利和软件著作权,参与制订国际标准发布一项。
内容摘要:
专利数据是人们在生产和科研活动中发明创造的技术信息的集合,可以反映各技术领域中的最新技术动向和发展趋势,是促进自主创新和提高国家竞争能力的战略性信息资源。专利数据不仅包含技术描述文本,还包含发明人、申请人、专利引用及层次标签等信息,丰富的数据种类体现专利数据的异质特性。对专利数据进行表示学习,旨在将专利数据转化为低维稠密的向量表示,从而可以实现多个下游任务,充分挖掘战略竞争情报。报告拟从融合专利文本、发明人、申请人、多层次标签等信息介绍几种专利表示学习方法,并介绍团队研发的专利智能服务平台PatentMiner。