专利作为科学技术的载体,专利数量和质量在某种程度上是科技实力的象征。知识创新让国家或企业间的核心竞争力更具优势,这大大驱动了专利的增长。如何从海量专利文本中获取有价值信息成为一个难点。深度学习作为一种通过不断学习样本数据的内在规律来获得文本信息的技术,已经在文本信息挖掘领域获得许多成果。因此本文尝试在大数据分析的视角下,通过对海量文本数据的获取和处理,结合深度学习的算法,来挖掘专利信息中的技术创新方向,并基于深度学习算法来构建专利语义模型实现专利检索功能,给设计人员提供专利知识服务。本文的主要研究内容如下。首先,对基于深度学习的专利语义模型构建进行了研究。本文以产品专利信息作为主要研究对象,采用文本挖掘技术对数据进行预处理后结合产品参数信息来提取专利摘要中的技术主题词。在图卷积神经网络（GCN）节点中技术主题词节点由于汉字词与词的连接和字与字连接的差异性,本文将基于图卷积神经网络的专利语义模型构建进行不同构图方式的对比探究,此外还对比传统的基于Doc2vec的语义模型构建方式进行对比分析,最终确定专利语义模型的构建方式。然后,基于GCN语义模型分析产品模块间的关联关系和产品模块中技术主题词间的关联关系,预测产品专利创新方向。基于关联分析,在战略坐标图下寻找发展潜力大的模块,随后在发展潜力大的模块中探究该模块技术主题词与各个模块技术主题词之间的连边关系,通过已经形成连边的两个技术主题词的矢量距离来寻找未连边的两个技术主题词,发现发展潜力大的模块中技术主题词潜在创新方向,为产品的创新设计提供思路。最后,提出了基于深度学习的专利检索方法。通过设计方法学理论比较了三种设计人员常规检索结构在GCN语义模型的检索效果,选择效果最优的检索式为设计人员提供专利检索服务。本文利用自行车专利数据和注塑机专利数据进行实例分析,数据结果验证了基于深度学习的专利技术挖掘与知识服务研究的有效性。