硕风徐徐

您的足迹: • ml2s_svm • install_parscit

zh:notes:patent_similarity

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

--- zh:notes:patent_similarity [2021/01/13 17:39]
pzczxs [Data Source]
+++ zh:notes:patent_similarity [2022/01/27 08:23] (当前版本)
pzczxs 讨论状态变化了
@@ 行 2: / 行 2: @@
 ===== Citation Information =====
-Xin An, Jinghong Li, Shuo Xu, Liang Chen, and Wei Sun, 2021. An Improved Patent Similarity Measurement based on Entities and Semantic Relations. //Journal of Informetrics//.
+Xin An, Jinghong Li, Shuo Xu, Liang Chen, and Wei Sun, 2021. [[https://doi.org/10.1016/j.joi.2021.101135|An Improved Patent Similarity Measurement based on Entities and Semantic Relations]]. //Journal of Informetrics//, Vol. 15, No. 2, pp. 101135.
 ===== Requirements =====
@@ 行 16: / 行 16: @@
 > nltk.download("wordnet_ic")
 </code>
-  *Matlab 2018b以上版本，并配置好python环境，可参考：https://zhuanlan.zhihu.com/p/47655091
+  *Matlab 2018b以上版本，并配置好Python环境，可参考：https://zhuanlan.zhihu.com/p/47655091
 ===== Content Tree =====
 code_review: \\
@@ 行 71: / 行 71: @@
 </code>
+）每两个单词之间的相似度都是基于WordNet计算而得，而通过API频繁调用WordNet会导致程序计算效率低下，因此用<color red>word_sim_dict.pickle</color>文件记录已经计算过的单词之间的相似度。该数据集第一次运行程序时，计算1010个专利两两之间的相似度矩阵大约需要四五天时间，当把所有需要通过WordNet比较的单词相似度记录下来后，只要不修改WordNet的设定，以后重跑时可以直接读取单词的相似度，只需花费几小时即可。
+==== Step 3: 计算序列结构权重 ====
+运行文件<color red>gen_weight.py</color>以计算每个专利各个序列结构的权重，生成权重文件<color red>ERE_weight_dict.json</color>
+<code python>
+python ./gen_weight.py
+</code>
+==== Step 4: 计算专利相似度 ====
+运行文件<color red>gen_similarity_score.py</color>计算专利相似度，结果保存在<color red>similarity_weighted.xlsx</color>以及<color red>similarity_nonweighted.xlsx</color>文件中，前者基于Step 3的权重，后者基于相同权重。
+<code python>
+python ./gen_similarity_score.py
+</code>
+Note: 此处采用的最优运输问题算法是基于 Matlab 和 C 语言写的（ot.c, ot.m, ot_mex.c, ot_mex.mexw64），该步骤只是通过 Python 调用 Matlab API，因此确保电脑装有Matlab2018b以上版本，并设置好相应的环境，可参考：https://zhuanlan.zhihu.com/p/47655091
+该数据集该步骤会花费大约十个小时。
+~~DISCUSSION:closed~~

zh/notes/patent_similarity.1610530757.txt.gz · 最后更改: 2021/01/13 17:39 由 pzczxs