基于向量空间模型和专利文献特征的相似专利确定方法

为了确定专利文献的相似性,帮助企业进行专利申请、保护和利用,提出基于向量空间模型（VSM）和专利文献特征的相似专利确定方法.依据专利文献的信息特征构建专利模型树,定义了专利模型树和专利模型树的节点.通过分析专利模型树的节点属性值,采用基于向量空间模型的文本分类技术,以专利名称和专利摘要的加权相似度作为专利文献分类的依据,对专利文献进行分类,然后在类内根据专利文献特征的相似性确定相似专利,并根据企业的实际应用需求,分析专利文献要素权重确定的几种方法.应用示例验证了该方法能够有效地进行专利分类和相似专利检索.     

依据TRIZ发明原理的中文专利自动分类

针对借助TRIZ理论进行发明创新的专利检索需要,提出利用文本挖掘技术实现对中文专利进行面向TRIZ发明原理的自动分类.文中首先对40个基本的TRIZ发明理论进行分析和重新分组,然后依据中科院的ICTCLAS分词系统对专利文本进行分词处理,采用信息增益IG和交叉熵CE特征选择算法进行特征降维,最后使用AlphaMiner基于最流行的SVM、NB和C4.5.分类算法对中文专利进行分类测试,结果表明借助于文本分类技术可以实现依据TRIZ发明原理对中文专利自动分类.     

专利信息检索技术

专利信息检索作为快速获取专利信息的主要手段,在专利信息应用过程中发挥重要作用。本文在分析当前专利信息检索涉及的关键技术的基础上,进一步阐述了基于概念的专利信息检索技术。本文以对专利文献的内容分析为基础,按照文献中各部分的功能进行组织表示,对不同部分制定相应的特征选择策略。同时,对基于概念的专利信息检索技术中的两个关键问题即查询扩展和专利文献相似度计算方法进行了阐述。     

面向英文专利文本单语模板的自动抽取方法

基于模板的机器翻译方法在专利文本的自动翻译中具有广泛的应用。由于专利文本具有形式规范,语言严谨,结构性强的特点,本文提出一种面向英文专利文本的单语模板的自动获取方法,这种方法首先通过分析专利文本结构并对其进行分类,然后对句子进行组块分析并分析句型,最后确定出模板的固定部分和可泛化部分进而对专利文本进行模板的自动抽取。实验结果证明了这种方法在专利文本的模板的自动获取上具有很好的性能。     

面向专利文献的术语自动处理技术

科技术语是专利文献的重要组成部分,集中承载着特定领域的核心知识,对于科技信息的传播与交流有着重要的作用,也是专利文献内容深层次理解的基础。本文深入分析了术语的特点,围绕术语获取、术语翻译和术语分析等术语自动处理领域的关键技术,对当前的主流方法以及其中存在的难点问题进行了讨论。提出了一套术语自动处理方法,取得了较好的效果。     

企业协同专利分析平台

在研究如何更好的发挥专利资源对企业的创新作用基础上,提出了企业协同专利分析的思想和方法.构建出一个企业协同专利分析平台原型,通过本体库的构建和完善来支持更准、更全的专利信息搜索,通过激励机制和保密机制来鼓励企业上传其私有的专利信息.对平台专利数据库中的专利信息进行分析,其中平台还利用产品的技术分类和国际专利分类（IPC）的关联对应,形成比较完整的基于产品的专利技术分类库.其在数字电视行业中做应用尝试,将不同企业的专利组合进行分析,发现关联专利,从而促进企业之间的专利合作和专利资源共享,促进企业专利联盟和专利池的构建.     

基于专利信息利用的多维度邻近性创新方法研究

为了不断提高多维度邻近性在设计研究中的效率和质量,提出一种基于发明专利信息的多维度创新设计方法.设计人员根据自身对专利设计的要求,选择关键词检索相关专利,并对检索的专利文献中的功能、工作原理、结构构造等方面进行综合评价,在保证不侵犯现有专利的基础上,以现有专利为参照,对专利进行挖掘创新设计,设计后的专利在专利库中若无相同技术功能的专利则转化为多维度性能参数为TRIZ工程参数,将TRIZ的创新原理融合到设计的专利中,并引入TRIZ工具对新设计的专利进行完善,从而得到最优的实际方案.此外,还引用了空调的降噪设计,以此为例对该方法的可行性进行验证.     

基于分类语义的Web信息检索系统

在海量数据空间中快速、准确地获取用户所需Web信息成为检索系统研究的焦点．将一种全新的网页自动分类技术引入WWW信息抽取领域来解决网上信息有效获取的问题。设计一个基于分类语义的搜索引擎系统——SESC系统．通过Web数据抽取机制以及Web信息分类技术实现检索结果的分类和层次化展示，使得用户快捷地从WWW上获取所需信息．     

基于科技文献的概念图自动构建方法

在数字化科研资源环境中,通过计算机技术自动生成某研究领域的概念图,可以大大缩短用户查找和分析信息的时间。介绍了一种自动构建概念图的方法。通过提取科技文献的关键词,分析关键词共频现象,结合寻径网络映射技术来构建概念图。     

基于改进三体训练法的半监督专利文本分类方法

针对信息增益算法只能考察特征对整个系统的贡献、忽略特征对单个类别的信息贡献的问题,提出改进信息增益算法,通过引入权重系数调整对分类有重要价值的特征的信息增益值,以更好地考虑一个词在类别间的分布不均匀性. 针对传统专利自动分类中训练集标注瓶颈问题,提出基于改进三体训练算法的半监督分类方法,通过追踪每次更新后的训练集样本类别分布来动态改变3个分类器对同一未标记样本类别的预测概率阈值,从而在降低噪音数据影响的同时实现对未标记训练样本的充分利用. 实验结果表明,本研究所提出的分类方法在有标记训练样本较少的情况下,可以取得较好的自动分类效果,并且适当增大未标记样本数据可以增强分类器的泛化能力.     

类别特征词权重加权文本分类方法

提出了一种针对小训练集环境的文本自动分类方法。在传统自动训练过程中通过训练集为每个类别建立初步类别特征向量,由于初步类别特征向量是在小训练集基础上建立的,含有的类别特征信息不够充分。在初步类别特征向量基础上,标定了一定数量的一级和二级类别核心特征词,在文本/类别相似度计算中,利用自动训练过程得到的核心特征词权重因子对核心特征词权重加权,以提高类别特征向量中类别特征信息的含量。实验结果显示,这种分类方法自动分类重合率达到94.12%以上,与不进行权重加权方法的52.94%相比,有很大提高。     

娄别特征词权重加权文本分类方法

提出了一种针对小训练集环境的文本自动分类方法。在传统自动训练过程中通过训练集为每个类别建立初步类别特征向量，由于初步类别特征向量是在小训练集基础上建立的，含有的类别特征信息不够充分。在初步类别特征向量基础上，标定了一定数量的一级和二级类别核心特征词，在文本／类别相似度计算中，利用自动训练过程得到的核一心特征词权重因子对核心特征词权重加权，以提高类别特征向量中类别特征信息的舍量。实验结果显示．这种分类方法自动分类重合率达到94.12％以上，与不进行权重加权方法的52．94％相比，有很大提高。     

基于网络的专利管理信息和决策平台

针对国内外专利管理软件功能单一、很少集成网络资源或价格昂贵不适应我国制造企业应用的状况,讨论了企业专利管理的集中、分散、矩阵等3种管理组织形式和专利管理过程,提出利用网络平台集成管理企业专利,应用网络专利及知识信息资源支持专利管理,根据网络专利知识资源的内容来评价衡量企业创新技术成果的专利成长经济收益,并据此给出申请专利保护、技术公开、技术保密3种不同技术创新成果保护策略推荐的方法.在此基础上提出一套利用网络技术进行专利管理及信息决策的方法,对其中网络专利信息采集、专利持有管理和专利申请决策推荐等关键技术进行了研究,并开发了相应的软件平台.平台的初步应用表明,该方法可以帮助企业提高自主知识产权战略及专利管理水平.     

产品专利设计知识获取方法研究

为了获得专利文献中的产品功能与结构的相关知识,提出一种基于关联规则的知识获取方法.通过提取专利文献的权利要求书中特征零部件,分析标题或摘要中的目的功能和手段功能,建立手段功能一特征零部件和目的功能一手段功能的训练集,并采用作者提出的修剪分类算法提取它们之间的关联规则,获得特征零部件-手段功能-目的功能之间关系的知识,以辅助产品的持续创新.并以冲击钻为例验证了该方法的有效性.     

基于多代表点的文本分类研究

文本自动分类是一种有效的组织信息和管理信息的工具,传统分类方法一般在分类效果和运行效率上两者不可兼得,通过综合Rocchio和KNN2种分类方法的优点,设计出一种基于多代表点的文本分类方法,该方法通过对各类挖掘出多个有效的代表点(真实或虚拟的),再使用基于这些代表点的Rocchio和KNN方法进行分类.实验表明,该方法以较少的训练时间达到令人满意的分类效果,并且能很好地解决不平衡类问题,实验结果显示,该方法能达到与SVM相当的分类效果.     

基于Innography的金属-有机框架材料技术研究现状及发展态势

基于Innography专利分析系统研究金属-有机框架材料的技术现状及发展趋势。在Innography中检索2019年7月9日前的MOFs专利,并从年度申请趋势、申请地域分布、主要专利权人、专利技术领域、高强度专利和专利生命周期评价等方面对MOFs专利进行了分析,分析结果为MOFs及相关领域的研究人员提供了具有一定价值的技术文献信息,也为我国未来MOFs材料的技术创新、专利布局和成果转化等研究提供了参考。     

精密零件端面圆跳动的自动检测

阐述了一种新型的检测技术，其原理是利用光学傅里叶变换取得精密零件端面圆跳动的信息，并将此信息变成电信号送入计算机处理，从而实现对工件的快速自动测量和分类。     

基于文本倾向性分类技术的图书评价模型

介绍了文本分类技术和文本倾向性分类技术,并基于文本倾向性分类技术分析了图书评论中的信息,研究如何将机器学习方法应用在图书评论的倾向性分类中,提出了一种图书评价模型构建的解决方法．     

基于FVSM和自组织映射网络的Web文本自动分类方法

针对Web信息挖掘中的文本自动分类问题,提出了一种基于模糊特征向量(FVSM)和自组织特征映射网络的分类方法．网络由输入层和竞争层组成．输入层节点与竞争层节点实行全互连接．输入层完成分类样本的输入,竞争层提取输入样本所隐含的模式特征,并对其进行自组织,在竞争层将分类结果表现出来．分无监督和有监督两个阶段完成对网络的分类训练．该方法在特征提取时充分考虑了特征项在文档中的Web位置信息,构造出模糊特征向量,使自动分类原则更接近手工分类方法．以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性．     

中国LED产业技术专利分析

选择"七国两组织"中文专利数据库,采集1985年1月1日至2008年12月31日期间的LED产业技术专利文献并建立专利数据库,再选择广东专利信息服务平台分析系统分别从专利申请总量、重点专利技术和重点专利持有人等方面对LED产业技术专利进行了深入的分析,并对比分析了中国LED产业技术专利的现状,提出了发展我国LED产业技术专利的策略.