随着技术的快速发展,企业之间的竞争从市场渐渐转移到了技术上,这种变革对企业对技术的掌控提出了更高的要求。专利是技术在法律框架下的载体,企业对其专利的保护也要通过专利来实现。专利文本的挖掘和研究,是技术保护的有效手段。通过研究专利,可以实现技术路线绘制、技术趋势预测等功能,这种技术上的前瞻性对企业和国家的发展有着重要的指导意义。因此,如何从专利文本中挖掘中有效的信息,是当前一个严峻的挑战。传统的解决方案大多数基于特定规则,如基于IPC分类号的专利分类,而这种规则往往不够全面和准确。近些年的研究发现,使用基于深度学习的文本挖掘技术在专利文本上往往能够取得更好的效果,本文设计并实现了一个专利创造性判断系统,该系统不仅仅可以适用于专利审查员也可以适用于一般用户。当需要判断分析一个专利的创造性的时候,需要把该专利的权利要求输入本系统,并利用本系统提供的检索模块检索相关专利。进一步的,本文提出了一种基于专利权利要求SAO结构的专利相似度判断方法,基于该方法计算待对比专利和对比专利的相似度,并通过一个经验公式最终计算待对比专利的相似度。在计算专利SAO结构相似度的时候,需要借助依存句法分析和word2vec计算词语的相似度,前者本系统采用了一些成熟优秀的开源框架,而对于word2vec词向量的获取,本系统使用专利文本进行训练。因此,在本系统中无论是专利检索和词向量的训练都需要大量的专利文本,为此本系统开发了一个专利文本数据采集模块,该模块抓取专利的文本信息和专利的PDF信息。并且考虑到专利数据会周期性的更新,采集模块也会采取相应的措施保证系统数据的时效性。