Classificação de Documentos de Patentes por meio de Redes Neurais Artificiais

Abstract

O número de solicitações de registro de patentes vem crescendo nos últimos anos, número este que é superior a capacidade de análise realizada por examinadores especialistas. Além disso, realizar a solicitação de uma patente é um processo complexo e custoso, bem como demorado. Sendo assim, este trabalho propõe o desenvolvimento de um método de classificação de texto baseado em redes neurais profundas para criar recomendações ordenadas de subclasses. Para o desenvolvimento do método foram utilizadas três arquiteturas de redes neurais profundas, uma rede Perceptron Multicamadas (MLP), uma rede neural de memória de curto e longo prazo (LSTM) e uma rede neural convolucional (CNN). Visando testar o método proposto, foram utilizados 50.000 documentos de patentes escolhidos aleatoriamente do conjunto de dados USPTO-2M. Os resultados apresentados se mostram positivos, chegando a uma acurácia global ao nível de subclasse em torno de 80% para valores de k entre 5 e 6. A partir da análise dos resultados pode-se afirmar que a aplicação do método proposto de recomendação ordenada de subclasses tem potencial para auxiliar examinadores na identificação das classes/subclasses mais adequadas para determinada patente.