基于SAO结构和词向量的专利技术功效图自动构建研究

[目的/意义]针对技术功效图构建过程中的主要问题和薄弱环节,提出了一种基于SAO结构和词向量的专利技术功效图构建方法。[方法/过程]利用Python程序获取专利摘要中的SAO结构,从中识别技术词和功效词;结合领域词典与专利领域语料库,运用Word2Vec和WordNet计算词语间的语义相似度;利用基于网络关系的主题聚类算法实现主题的自动标引;采用基于SAO结构的共现关系构建技术功效矩阵。[结果/结论]实现了基于SAO结构和词向量的技术功效图自动构建,该构建方法提高了构建技术功效主题的合理性和专利分类标注的准确性,为技术功效图的自动化构建提供新的思路。

基于产业链的专利丛林测量与对策研究

[目的/意义]识别专利丛林是专利风险识别的基础性工作之一。文章从产业链视角出发,利用社会网络分析技术识别特定产业的专利丛林,对企业构建完善的知识产权保护体系、实现自由经营具有重要意义。[方法/过程]基于LDA模型对技术领域专利信息进行主题划分,运用关联分析对主题与产业技术链进行映射,通过社会网络分析方法对产业链的专利丛林进行测量与分析。[结果/结论]以美国焊接机器人领域的专利为数据源,识别了产业链上的专利丛林。结合专利风险特点与分析结果,提出了相应的对策与建议。

专利发明等级分类建模技术研究

【目的】针对如何确定专利发明等级,提出一种基于机器学习分类算法的专利发明等级分类模型。【方法】从专利文本中提取技术特征词,利用Word2Vec训练的词向量模型构建专利技术特征向量,计算专利文本指标和后向引用指标,构造模型训练数据集,采用机器学习分类算法构建分类模型。【结果】获取语音识别技术领域相关专利,对领域专利数据分类,高等级与低等级发明专利占比约为1︰4,符合实际情况,证明了该模型可行性。【局限】由于使用了Word Net词典,对于技术特征词汇的抽取会受到词典收录局限的影响。【结论】该模型可以对专利进行发明等级分类,从而为企业推荐高发明等级的专利。