CLASSIFICAÇÃO DE DOCUMENTOS DE PATENTES USANDO O DOC2VEC

As patentes sao consideradas fontes extremamente uteis para atividades relacionadas a busca e analise de informacoes e para a geracaoo de novos conhecimentos. Neste artigo, usamos um algoritmo de vetor de paragrafo doc2vec, uma extensao do word2vec, que aprende representacoes de frases em um documento, em um esquema de aprendizagem profunda supervisionada para a classificacao automatica de patentes. A classificacao foi realizada em documentos com resumos de patentes em ingles, em um processo hierarquico que compreende secoes, classes, subclasses, de acordo com a Classificacao Internacional de Patentes (IPC). Os testes foram desenvolvidos em quatro etapas, necessaria, devido ao grande numero de classes e subclasses, com o objetivo de identificar codigos IPC primario ou secundarios, caso esteja associado a um conjunto de classificacoes relacionadas a outros aspectos expressos na patente. Os testes apresentaram resultados bastante promissores na classificacao de patentes. Os proximos passos serao produzir avaliacoes qualitativas e compara-las com outros modelos de aprendizagem de maquina presentes na literatura.