论文部分内容阅读
随着经济全球化进程的发展,知识和有用的信息呈现爆炸式的增长,以知识为基础的产业在国内经济中所占的比重不断提高,知识产权已经成为国家与国家、企业与企业之间竞争的焦点。作为一种重要的知识产权形式,专利是科技信息及知识的载体,是世界上最大的知识产权信息源。据世界知识产权组织的统计,专利数据包含了世界上95%的研发成果。若能有效地利用专利信息,不仅可以提高科研项目的研究起点和研究水平,而且可以节约60%的研究时间和40%的研究经费。由于专利的重要性,企业和技术人员通常通过人工的方式对专利进行检索和分析,以获取重要的知识信息。然而,近年来随着人们知识产权保护意识的提高,专利的申请数量逐年增长,人工的分析方法已经不能满足用户的需要。基于此问题,且由于专利在知识产权中的重要地位,自动化的专利分析技术成为了不可避免的热点和话题。一些重要的国际会议和组织,如SIGIR、ACL和NTCIR等,都组建了相应的研讨会进行专利文献的分析和研究,一些专利检索和分析系统,如Google Patent、SooPAT、 PatFT等,也提供了对专利的检索和分析功能。尽管当前的研究在专利自动分类、竞争对手发现、专利趋势分析和合作推荐等方面取得了许多丰硕的成果,但仍然存在一些缺陷。例如,在对专利进行分析时,当前的方法通常将专利作为单独的个体,而专利中存在的各种各样的关联,如专利间的相似度关联、引用关联、专利申请人之间的共著关系等常常被忽略。针对该问题,本文研究基于专利关联的专利评估和预测技术,以便为用户提供有效的决策支持。本文的研究内容主要包含以下四个部分:(1)基于潜在引用网络的专利价值评估方法当前的专利价值评估主要是采用基于训练或引用的方法。前者过于依赖于人工选择的参数,导致专利价值评估结果的可信度较低。后者往往只考虑了直接引用关联,而忽略了间接引用关联和专利的发表时间对专利价值的影响。针对这些问题,本文提出了一种基于潜在引用网络的专利价值评估方法,并设计了相应的算法来评估各个专利的价值。针对基本算法效率较低的问题,提出了专利价值评估改进算法,极大地提高了专利价值评估的效率。最后,由于新专利加入专利集合时各个专利的价值会发生变化,本文提出了专利价值评估动态更新算法,用于快速地更新各个专利的价值。(2)基于专利关联的新颖专利查找方法当前的专利新颖度评估方法将通常将专利文档视为孤立的个体,而忽略了专利之间的关联对专利新颖度的影响。针对该问题,本文提出了一种基于专利关联的新颖专利查找方法,首先根据专利之间的相似度和引用关联建立了专利相对新颖度网络;之后,在该网络上重新定义了专利的新颖度,并提出了新颖度排序算法对专利按照新颖度进行排序。最后,针对新专利在下一时间到来时专利的新颖度排序会发生变化的情况,本文提出了高效的新颖度更新算法来对专利按照新颖度进行重新排序。(3)基于异构网络的竞争对手主题预测方法当前的主题预测方法通常是采用基于统计的方法对整个领域的发展趋势进行预测。尽管我们可以使用这些方法来预测单个竞争对手的未来研究趋势,但由于竞争对手发表的专利可能较少,这些方法很难得到准确的预测结果。此外,在这些方法中,一些可能会对企业选择未来研究主题产生影响的关联也常常被忽略。针对该问题,本文提出了一种基于异构网络的竞争对手主题预测方法来预测单个竞争对手的未来研究主题,首先根据企业与主题的关联将企业和主题信息建模到异构网络中,之后在网络中抽取影响竞争对手选择未来研究主题的拓扑特征,最后根据训练数据集构造预测模型,并利用得到的预测模型计算给定竞争对手在各个主题上从事研究的概率。(4)构建专利检索与分析原型系统基于上述的专利评估与预测方法,本文在现有的专利检索与分析原型系统的基础上,加入了专利价值评估功能、新颖专利检索功能和竞争对手的主题预测功能,并通过以上功能,达到为专利交易提供决策支持,便于用户能够查找当前最新的技术信息,预测竞争对手的研究主题,从而有效规避竞争风险的目的。