特征融合的中文专利文本分类方法研究

肖悦珺, 李红莲, 张乐, 吕学强, 游新冬

数据分析与知识发现 ›› 2022, Vol. 6 ›› Issue (4) : 49-59.

PDF(1186 KB)
PDF(1186 KB)
数据分析与知识发现 ›› 2022, Vol. 6 ›› Issue (4) : 49-59. DOI: 10.11925/infotech.2096-3467.2021.0852  CSTR: 32297.14.infotech.2096-3467.2021.0852
研究论文

特征融合的中文专利文本分类方法研究

    {{javascript:window.custom_author_cn_index=0;}}
  • {{article.zuoZhe_CN}}
作者信息 +

Classifying Chinese Patent Texts with Feature Fusion

    {{javascript:window.custom_author_en_index=0;}}
  • {{article.zuoZhe_EN}}
Author information +
文章历史 +

本文亮点

{{article.keyPoints_cn}}

HeighLight

{{article.keyPoints_en}}

摘要

{{article.zhaiyao_cn}}

Abstract

{{article.zhaiyao_en}}

关键词

Key words

本文二维码

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
{{article.zuoZheCn_L}}. {{article.title_cn}}[J]. {{journal.qiKanMingCheng_CN}}, 2022, 6(4): 49-59 https://doi.org/10.11925/infotech.2096-3467.2021.0852
{{article.zuoZheEn_L}}. {{article.title_en}}[J]. {{journal.qiKanMingCheng_EN}}, 2022, 6(4): 49-59 https://doi.org/10.11925/infotech.2096-3467.2021.0852
中图分类号：

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析

参考文献

{{article.reference}}

基金


编委：
主编：
责任编辑：
编辑:

版权

{{article.copyrightStatement_cn}}
{{article.copyrightLicense_cn}}
PDF(1186 KB)

Accesses

Citation

Detail
段落导航
相关文章
版权所有 © 《数据分析与知识发现》编辑部
地址：北京市海淀区中关村北四环西路33号　
邮编：100190　
电话：(010)82626611-6626，82624938　
E-mail：jishu@mail.las.ac.cn
总访问量 今日访问 在线人数
技术支持：北京玛格泰克科技发展有限公司

/

〈 〉