近几年，由于国家支持创新的力度不断加大，我国的专利数量增长迅猛。以专利转让、许可、质押等为主要内容的专利交易日趋活跃，通过技术许可、转让获取创新技术，提高企业自主创新能力已经成为高新技术企业应对市场竞争的重要手段。但是传统的专利交易方式比较单一，存在着受时间、空间限制等诸多弊端，专利交易成果尚不能令人满意。　　基于互联网技术和机器学习算法的专利交易平台能够有效克服以上问题，实时性更强，让专利的买方能够快速的从海量专利数据中准确定位自己所需要的专利技术，降低了专利交易成本，提高了专利交易的效率和成功率。通过专利交易平台展示专利信息，并从语义角度实现专利的供需匹配，减少了专利供需双方的信息不对称，促进专利技术的实施和运用，有利于盘活专利资产。　　本文以互联网技术为基础，构建原型系统，研究专利文献推荐系统中关键技术，挖掘用户的显性和隐性技术需求，并基于语义匹配实现专利推荐。主要的研究内容有:基于深度学习技术，以特定技术领域的专利文本作为语料库，训练词向量，使用基于加权的池化模型算法，实现专利文档的语义向量表达;从下载、收藏和浏览时长三个指标下手，构建用户技术偏好评价模型，基于用户的专利阅读行为日志，挖掘用户的隐性技术需求，并把用户的显性技术需求描述和隐性技术需求语义向量化;基于语义相似度将用户和专利进行匹配，最终实现专利推荐。