P-BERT: Toward Long Sequence Modeling by Enabling Language Representation With Prefix Sequence Compression, Soft Position Embedding, and Data Augmentation for Patent Relevance Assessment

Recent works have increasingly adopted pre-trained language models, such as BERT, to model technical semantics for patent relevance assessment. However, existing truncation and divide-merge strategies, used to handle input length constraints, results in feature loss and semantic isolation. This limi...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Fei Wang, Xingchen Shi, Dongsheng Wang, Yinxia Lou
Format:	Artigo
Język:	Inglês
Wydane:	IEEE 2025-01-01
Seria:	IEEE Access
Hasła przedmiotowe:	Prefix sequence compression soft position embedding data augmentation patent relevance assessment
Dostęp online:	https://ieeexplore.ieee.org/document/10902370/
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!