Resumen: Con la aceleración de la innovación tecnológica, la recuperación eficiente y la clasificación de la literatura de patentes se han vuelto esenciales para la gestión de la propiedad intelectual y la empresa de palabras clave tradicional y la recuperación de la empresa de recuperación basada en reglas a menudo no pueden abordar los intentos de consultas complejas o capturar asociaciones semánticas en los dominios técnicos de los modelos técnicos de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación de la generación. El sistema comprende tres componentes: 1) un módulo de preprocesamiento para la estandarización de datos de patentes, 2) un motor de recuperación vectorial de alta eficiencia Apalancamiento LLMMGER Generado, y 3) un módulo de consulta de Ragen -Hechiced que combina la recuperación de documentos con contexto con los registros de la generación con contexto. and status The proposed gpt35turbo0125RAG configuration achieved 805 semantic matching accuracy and 92.1% recall surpassing baseline LLM methods by 28 percentage points The framework also demonstrated strong generalization in crossdomain classification and semantic clustering tasks These results validate the effectiveness of LLMRAG integration for intelligent patent retrieval providing a foundation for nextgeneration AIdriven intellectual property analysis platforms
Publicado Originalme en export.arxiv.org El 20 de agosto de 2025.
Ver Fuente Original
