Αυτή η διπλωματική εργασία ερευνά και συγκρίνει αρχιτεκτονικές ανάκτησης διπλωμάτων
ευρεσιτεχνίας χρησιμοποιώντας συνδυασμό παραδοσιακών αλγορίθμων ανάκτησης
πρώτου σταδίου και τεχνικών βαθιάς μάθησης δεύτερου σταδίου. Ο συγγραφέας
πραγματοποιεί πειράματα χρησιμοποιώντας διάφορα εργαλεία, όπως το μοντέλο λέξ-
εων BERT, το λογισμικό ευρετηρίασης Pyserini και το εργαλείο με δυνατότητες
χρήσης μεθόδων μηχανικής και βαθιάς μάθησης DeepCT, και αξιολογεί την αποτε-
λεσματικότητα κάθε αρχιτεκτονικής ανάκτησης. Τα σύνολα δεδομένων που χρησι-
μοποιήθηκαν, η διαδικασία επιλογής πεδίων και οι διαδικασίες επιλογής αλγορίθμων
καλύπτονται με λεπτομέρεια, μαζί με τα σενάρια και το λογισμικό που αναπτύχθηκε για
τα πειράματα. Στόχος αυτής της διατριβής είναι να ερευνήσει τις καλύτερες τεχνικές
και μεθοδολογίες για αποτελεσματική ανάκτηση διπλωμάτων ευρεσιτεχνίας. Ο συγ-
γραφέας παρουσιάζει τα ευρήματά του και προτείνει περαιτέρω κατευθύνσεις έρευνας
σε αυτό το πεδίο. Επιπρόσθετα, το παρόν εγγραφο περιέχει εισαγωγικές πληροφορίες
για τις έννοιες Τεχνητή Νοημοσύνη, την Μηχανική Μάθηση και την Βαθιά Μάθηση,
οι οποίες είναι σημαντικές για την κατανόηση των τεχνικών και τεχνολογικών πτυχών
της παρούσας διπλωματικής.
3
(EL)
Μεταπτυχιακή εργασία - Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων, 2023 (α/α 14071)
(EL)
This dissertation researches and compares patent retrieval architectures using a combination
of traditional first-stage retrieval algorithms and second-stage deep learning techniques.
The author conducts experiments using various combinations of tools such as BERT
models, the Pyserini indexing software, and the DeepCT software tools, and evaluates the
effectiveness of each retrieval architecture. The datasets used, the field selection process,
and the algorithm selection procedures are documented, along with the scripts and software
developed for the experiments. The paper aims to determine the best techniques and
methodologies for efficient and effective patent retrieval. The author concludes with their
findings and proposes future research directions in this field. The study highlights the
significance of information retrieval methods and their applications in everyday life in
the 21st century. Furthermore, the paper provides an introduction to artificial intelligence,
machine learning, and deep learning concepts, which are fundamental to understanding
the thesis’s technical aspects.
(EN)
International Hellenic University
