지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.1
- 수록면
- 21 - 28 (8page)
- DOI
- 10.5573/ieie.2022.59.1.21
이용수
초록· 키워드
오류제보하기
사용자 정의 클래스를 이용한 특허분류에 있어서 특허분류 관점에 따라 특허의 상세한 설명이 분류 관점에 중요한 역할을 하는 경우가 있다. 이러한 특허분류를 순환신경망을 사용해서 자동분류를 한다면 상세한 설명의 긴 길이로 인해 좋은 성능을 내지 못하는 경우가 발생한다. 이러한 긴 시퀀스를 가진 데이터를 분류에 적용하는 방법으로 1D Convolutional Layer를 이용해서 긴 시퀀스를 줄인 후 순환신경망에 적용하거나 1D Convolutional Layer만을 사용하는 모델을 이용하는 방법이 있다. 본 연구에서는 특허 문서의 상세한 설명을 이용해서 특허 분류의 성능을 측정하고자 한다. 기존의 순환신경망인 LSTM 모델, 1D Convolutional Layer를 거친 후 LSTM 모델에 적용하는 방법(1D Conv. LSTM), 그리고 1D Convolutional Layer 만을 사용하는 WaveNet을 사용하는 모델을 정의하였다. 시퀀스의 길이가 6,000이상인 3가지의 특허 데이터셋의 분류 성능을 3가지 모델에 적용하여 정확도를 비교하였다. WaveNet이 3가지 데이터셋에 대해서 가장 높은 정확도를 보였고, LSTM이 가장 낮은 정확도를 보였다. WaveNet은 다른 두 모델에 비해 검증 손실에서도 안정적인 추이를 보였다. 데이터셋 #1에서 WaveNet는 1D Conv. LSTM 에 비해 14.5%, LSTM에 비해 17% 높은 정확도를 기록하였다. 데이터셋 #2에서 WaveNet는 1D Conv. LSTM에 비해 3.1%, LSTM에 비해 9.8% 높은 정확도를 기록하였다. 데이터셋 #3에서 WaveNet과 1D Conv. LSTM 은 동일한 정확도를 기록하였고, LSTM에 비해 7.3% 높은 정확도를 기록하였다. 특허의 상세한 설명을 이용해서 만들어진 특허의 사용자 정의 클래스를 분류하는 경우 WaveNet은 기존의 순환신경망에 비해 적합한 모델이라고 판단된다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
REFERENCES
참고문헌 (7)
참고문헌 신청
A. J. C. Trappey, F. C. Hsu, C. v. Trappey, and C. I. Lin, “Development of a patent document classification and search platform using a back-propagation network,” Expert Systems with Applications, vol. 31, no. 4, pp. 755–765, Nov. 2006, doi: 10.1016/j.eswa.2006.01.013.
Shaobo Li, Jie Hu, Yxin Cui, Jianjun Hu., "DeepPatent: patent classification with convolutional neural networks and word embedding" Scientometrics(2018) 117:721-744
Chih-Hung Wu, Ynn Ken, Tao Huang., "Patent classification system using a new hybrid genetic algorithm support vector machine" Applied Soft Computing Volume10, issue 4(2010)
Jieh-Sheng Lee, Jieh Hsiang., "Patent Classification by Fine-Tuning BERT Language Model" Word patent Information Volume61, June 2020. 101965
S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Computation, vol. 9, no. 8, pp. 1735–1780, Nov. 1997, doi: 10.1162/neco.1997.9.8.1735.
Shaobo Li, Jie Hu, Yxin Cui, Jianjun Hu., "DeepPatent: patent classification with convolutional neural networks and word embedding" Scientometrics(2018) 117:721-744
Chih-Hung Wu, Ynn Ken, Tao Huang., "Patent classification system using a new hybrid genetic algorithm support vector machine" Applied Soft Computing Volume10, issue 4(2010)
Jieh-Sheng Lee, Jieh Hsiang., "Patent Classification by Fine-Tuning BERT Language Model" Word patent Information Volume61, June 2020. 101965
S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Computation, vol. 9, no. 8, pp. 1735–1780, Nov. 1997, doi: 10.1162/neco.1997.9.8.1735.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
순환신경망과 WAVENET의 음성 인식 성능 비교
한국정보과학회 학술발표논문집
2017 .12
-
A Text Content Classification Using LSTM For Objective Category Classification
한국컴퓨터정보학회논문지
2021 .05
-
LSTM을 활용한 화자 성별 분류 기술 연구
한국통신학회 학술대회논문집
2018 .06
-
Generative Convolutional-LSTM 신경망 기반의 행동 분류와 새로운 클래스 탐지
한국정보과학회 학술발표논문집
2017 .12
-
LSTM을 이용한 전력 데이터 예측
한국정보과학회 학술발표논문집
2016 .12
-
변형된 Attention 메커니즘 기반의 LSTM을 통한 전력수요 예측 프레임웍
한국지능시스템학회 논문지
2020 .06
-
Convolutional LSTM 기반 풍력발전단지 발전량 예측
한국에너지학회 학술발표회
2023 .04
-
LSTM 기반 이상 탐지 모델 비교 및 분석
한국정보과학회 학술발표논문집
2022 .12
-
RCS Estimation using LSTM at High Frequency
한국산학기술학회 논문지
2022 .11
-
LSTM 기반 악성코드 분류
한국정보과학회 학술발표논문집
2016 .12
-
LSTM 구조를 활용한 채권 데이터의 예측에 관한 연구
한국통신학회 학술대회논문집
2018 .01
-
LSTM 순환 신경망을 이용한 도로 교통 속도 예측
대한토목학회 학술대회
2020 .10
-
LSTM 모델을 이용한 농산물 가격 예측에 관한 연구
한국정보통신학회 종합학술대회 논문집
2022 .05
-
Study based on LSTM model of Artificial Neural Network for Predicting Electrical Energy Utilization
대한전기학회 학술대회 논문집
2022 .10
-
LSTM 기반 순환신경망을 활용한 데이터 센터 내 서비스 별 네트워크 자원 예측 모델 제안
한국통신학회 학술대회논문집
2019 .01
-
Stacked Bidirectional과 Stacked Unidirectional LSTM을 활용한 주별 전력부하예측
한국정보기술학회논문지
2020 .09
-
LSTM 모델 기반 5G 네트워크 대역폭 예측
한국정보과학회 학술발표논문집
2022 .06
-
WaveNet 알고리즘과 효과적인 데이터 전처리 기법을 활용한 사용자 행동인식에 관한 연구
재활복지공학회논문지
2021 .11
-
멀티 어텐션 기반 LSTM 모델을 이용한 Relation Classification
한국정보과학회 학술발표논문집
2018 .06
-
CNN-LSTM을 사용한 긴 주기 펄스 레이다 신호 속성 분류
한국전자파학회논문지
2022 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-569-000205203