Accéder directement au contenu Accéder directement à la navigation
Nouvelle interface
Communication dans un congrès

Improving Patent Mining and Relevance Classification using Transformers

Abstract : Patent analysis and mining are time-consuming and costly processes for companies, but nevertheless essential if they are willing to remain competitive. To face the overload induced by numerous patents, the idea is to automatically filter them, bringing only few to read to experts. This paper reports a successful application of fine-tuning and retraining on pre-trained deep Natural Language Processing models on patent classification. The solution that we propose combines several state-of-the-art treatments to achieve ourgoal : decrease the workload while preserving recall and precision metrics.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

https://hal.mines-ales.fr/hal-03277767
Contributeur : Administrateur IMT - Mines Alès Connectez-vous pour contacter le contributeur
Soumis le : lundi 5 juillet 2021 - 08:57:50
Dernière modification le : dimanche 27 novembre 2022 - 21:51:27

Lien texte intégral

Identifiants

  • HAL Id : hal-03277767, version 1
  • ARXIV : 2105.03979

Citation

Théo Ding, Walter Vermeiren, Sylvie Ranwez, Binbin Xu. Improving Patent Mining and Relevance Classification using Transformers. APIA 2021 - Conférence Nationale sur les Applications Pratiques de l’Intelligence Artificielle (événement affilié à PFIA 2021), Jun 2021, Bordeaux, France. p. 81-90. ⟨hal-03277767⟩

Partager

Métriques

Consultations de la notice

63