Контрольный параметр внедрения геометрии и кластерных алгоритмов для классификации неконтролируемых патентных претензий

arXiv: 2610.12997v1 Annuales Type: New Humber Brieflow: Системы поиска информации в рамках предварительного искусства структурно построены вокруг классификационных кодов, что затрудняет обнаружение перекрестных кодов. В настоящем документе задается вопрос, может ли неконтролируемое представительство, обученное по патентному тексту, восстановить соответствующие связи, которые не могут быть установлены кодом и если гиперболическое пространство поможет. Мы обучили гиперболического и евклидного аутоэнкодера (VAE) 45 000 патентов США (96 пробегов, 6 семян). В гиперболической модели по-настоящему пересекается статья 52% предыдущей категории чаще, чем в эвклидианской модели (18,76% против 12,34% результатов первой десятки, 3000 запросов). Это является практическим преимуществом для решения проблемы, связанной с поиском. гиперболическая модель в меньшей степени соответствует официальной классификации (NMI 0,2392 против 0,3206), которая мы объясняем геометрическим образом: эти две меры охватывают различные цели, и только одна согласуется с потребностями поиска, которые были ранее разработаны. В исследовании 10 технологических областей (на 50 000 патентов) мы видим, что классификация области b