面向证据支持的中国专利授权预测的结构化表示学习与解耦

基于摘要分析。本文研究中国专利授权预测，提出检索式分类框架 DiSPat，将参考专利检索、专利结构化表示学习与表示解耦结合，在预测授权结果的同时提供决策证据。其主要研究对象是专利文本及权利要求结构，并非 EEG 或 BCI。 DiSPat 包含三个主要组件：首先检索最相似的 Top-k 专利，构建参考集合；其次利用专利固有的权利要求层级学习结构化表示；最后通过解耦表示学习支持基于证据的决策过程。摘要未说明检索器、层级编码方式、解耦目标或证据生成与评价的具体实现，相关机制尚需全文核对。 作者报告构建了三个中国专利数据集，并在这些数据集的专利授权预测实验中优于其采用的先进基线，同时具有更好的证据支持能力。摘要未提供数据规模、划分方式、基线名称、具体指标或提升幅度，因此不能量化效果，也不能判断证据支持能力如何被验证。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：检索参考样本辅助分类的思路可能具有通用方法价值，但本文结构建模依赖专利权利要求层级，摘要不足以建立其与 EEG 信号结构或 BCI 任务的具体对应关系，故不据此提出迁移效果判断或复现实验建议；相关 EEG 工作尚未检索确认。