arXiv · cs.AI· Sujith Subramanian, P N Bhargav Teja, Susen Sarkar, Rajasekhara Reddy Duvvuru Muni·· 5 小时前
无监督专利权利要求分类中双曲与欧氏嵌入几何的基准评测
Benchmarking Embedding Geometries and Clustering Algorithms for Unsupervised Patent Claim Classification
arXiv:2610.12997v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sujith Subramanian, P N Bhargav Teja, Susen Sarkar, Rajasekhara Reddy Duvvuru Muni
研究任务与主要进展
在45,000件美国专利上，作者训练了匹配的双曲与欧氏VAE；3,000次查询的top-10结果中，双曲模型返回真正跨类别相关先前技术的比例为18.76%，高于欧氏模型的12.34%，相对增加52%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org