PulseAugur
实时 06:24:05
English(EN) Patent Representation Learning via Self-supervision

新的自监督方法从内部结构学习专利表示

研究人员开发了一种新颖的专利表示自监督学习方法,利用专利文档的内部结构。该方法在最近的arXiv论文中有所介绍,采用了对比目标和“混合Dropout-Section Positives”策略。该方法利用了专利的权利要求、摘要和描述等部分作为训练信号,而不依赖外部标签或引用,在专利检索和分类任务上表现出改进的性能。 AI

影响 这项研究可能带来更有效的AI驱动的专利分析和检索系统。

排序理由 关于一种新颖的专利表示自监督学习技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的自监督方法从内部结构学习专利表示

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · You Zuo (ALMAnaCH), Kim Gerdes (LISN), Eric Villemonte de La Clergerie (ALMAnaCH), Beno\^it Sagot (ALMAnaCH) ·

    通过自监督学习的专利表示学习

    arXiv:2511.10657v2 Announce Type: replace-cross Abstract: We study self-supervised patent representation learning with contrastive objectives. A standard baseline constructs positives by encoding the same text twice under independent dropout masks, but applying this recipe to lon…