专利作为科技知识的载体,蕴含了丰富的技术、功能、效应等知识。在发明问题解决理论中,使用效应知识可以打破思维惯性,加速产品创新。因此,要建立效应-专利的检索方式,充分利用专利中的效应知识。目前挖掘专利与效应对应关系的方法以概念图匹配为主,存在匹配容错性差的问题。近两年来,用机器学习处理文本分类问题得到广泛关注,本文以效应为标签,对专利文本进行分类来建立二者之间的联系。专利文本维度高,噪声大,为了能更好的进行特征提取和文本表示,提高分类准确率,主要工作如下:(1)改进了传统的互信息特征选择算法,引入平衡因子、类内频度、类内分散度和特征词在专利文本中出现的位置信息。通过专利效应分析,构建了基于效应的特征词表,利用特征词表再一次进行特征选择,利用文本相似度计算的方式对专利文本进行分类。(2)传统的文本表示都是基于词频统计,忽略了语义关系,深度学习网络模型能够自动学习到上下文语义信息,但需要大规模的数据进行训练,目前标注了效应标签的数据集较少。为满足深度学习的需求,本文引入了预模型机制,首先利用大规模无标签的语料进行学习,学习文本特征参数,然后根据文本分类任务对模型进行微调。(3)本文构建了基于BERT(Bidirectional Encoder Representations from Transformers)的文本分类框架,训练了基于中文分词的专利文本预模型,通过读取8000篇无标记的专利文本,利用双向结构获取上下文信息,同时利用Transformer的深度模型结构,预测被随机MASK的词,联系上下文来学习句子内部关系。利用训练好的预模型,读取有标签的专利文本进行训练,并利用验证集调整参数,保存最佳模型参数,调用softmax分类器得到结果并进行评价。实验使用的语料包括100条物理类效应,人工分析了3000篇专利及其所属的效应,作为数据集,进行实验。本文以准确率和召回率为文本分类评价指标,设置了多组对比实验。实验结果表明,使用引入特征词表的多特征互信息特征选择算法进行文本分类的结果,明显优于传统特征选择算法。利用中文专利文本训练的BERT预模型得到的结果要明显优于传统机器学习算法和深度神经网络模型,且在不损失精度的情况下,节省了时间成本。