Welcome to RogerJTX’s Programming Notes
My Main Notes Websites
Main Notes Website
https://rogerjtx.github.io/
Word2Vector [ELMo, Bert, ALBert]
https://rogerjtx.github.io/word2vector.io/
Topbase Knowledge Graph Paper Reproduction And Technical Documentation
https://rogerjtx.github.io/topbase_knowledge_graph/
Automatic Code Generation [based on GPT-2]
https://rogerjtx.github.io/auto_code_generation/
Comelot Table Image Recognition
url:
Aminer Expert Knowledge Graph
url:
Patent System Keyword Extractor
url:
Expert Knowledge Graph KbpPipeline
https://rogerjtx.github.io/kbp_pipeline/
Image Style Feature Fusion
url:
Medical Image Recognition [COVID-19]
url:
Content：
Programming Notes Start
介绍
专利技术功效图可以直观的反映专利技术和功效的类别以及布局，主要用于研发人员的微观层面的技术分析。
技术图谱 和 功效图谱。
通过专利技术功效图，可判断哪些技术功效类别专利申请多，哪些技术功效分类对应区域申请专利少。申请专利多的区域，一般容易创新。
传统构建方法：
智能构建方法：
专利知识抽取方法
1.介绍
研究了技术功效图的构成要素及其在专利文献中的分布位置和特征,若要把需要的“技术”、“功效”、“应用领域”等知识抽取出来，需要研究专利知识抽取的方法。
知识抽取在信息抽取之上。知识抽取比信息抽取多了语义组织的功能，除了像信息抽取一样把实体抽取出来，还要把抽取的实体组织起来，形成更有价值的信息。
根据前人对专利知识抽取的研究，常用的抽取方法有人工抽取专利知识、基于规则的专利知识抽取、基于统计模型的专利知识抽取和基于文本挖掘的专利知识抽取2]。以下分别对各种抽取方法进行研究，在此基础上研究针对技术功效图构建所需知识的抽取方法与策略。
2.基于规则的抽取
专利有一定文本结构。常用的规则抽取方法是基于模板抽取和基于句法规则的抽取。
基于模板的抽取：
