arXiv cs.AI· Sujith Subramanian, P N Bhargav Teja, Susen Sarkar, Rajasekhara Reddy Duvvuru Muni·· 22 天前AI 评分35
用于无监督专利权利要求分类的嵌入几何与聚类算法基准评测
Benchmarking Embedding Geometries and Clustering Algorithms for Unsupervised Patent Claim Classification
AI 导读
一项基于 45,000 件美国专利的研究对比了双曲与欧氏变分自编码器（VAE）在无监督专利权利要求分类中的表现。在 3,000 次查询的 top-10 结果中，双曲模型检索到真正跨类别现有技术的概率比欧氏模型高出 52%（18.76% 对比 12.34%），但与官方分类一致性较低（NMI 为 0.2392 对比 0.3206）。作者已开源包含 91 项自动化测试的完整实现。
来源：arXiv cs.AI · arxiv.org