专利文献数据集是目前世界上最大的技术信息集,几乎包括了所有应用领域内的技术成果和发展动态,在技术、商业、法律等领域有举足轻重的地位。随着经济全球化和科技的飞速发展以及知识产权保护国际化意识的逐渐增强,专利冲突与专利壁垒深深困扰着国内广大企业与研发机构,专利技术创新和产品革新信息成为关注焦点,追踪和研究国外专利技术的需求与日俱增。因此,及时准确地获取世界其他国家的专利信息变得十分必要,使得作为有效获取其他语言相关专利的跨语言专利推荐研究得到广泛关注。跨语言专利推荐可以为企业和个人遴选相关重要专利、发现相关技术发展趋势、追踪最新技术进展,进而提供个性化信息推送和决策支持服务。当前,专利推荐主要基于单语言专利文献数据,从专利的技术关键词、主题等内容特征出发,研究单语言环境下的相似专利推荐,而专门针对双语或者多语种专利文献数据的跨语言专利推荐和分析还较少。跨语言专利推荐和分析一般是将跨语言检索中涉及的词翻译和机器翻译等技术直接应用于专利推荐中,主要包括三种方法:基于词典的方法、基于语料库的方法以及基于机器翻译的方法。以上跨语言专利检索推荐的方法多从查询词和文本精确翻译的角度出发,往往需要大规模特定领域的双语词典、双语语料库以及高效准确的机器翻译方法来实现有监督的跨语言查询扩展,导致这些方法应用扩展到其他领域进行跨语言专利推荐的难度较大;与此同时,由此推荐的专利大多是相似专利,推荐的多样性和相关性尚需进一步扩展,亟需从专利文本语义角度出发进行相关专利推荐,提供更好的决策支持服务。因此,本文基于无监督跨语言词向量映射的方法,使用中英专利单语语料库独立训练中英单语专利词向量,然后通过线性变换将它们映射到统一语义空间。在即不需要任何外部双语词典,也不需要大型双语语料库等情况下,就可以得到很好的中英专利相关词映射关系,实现跨语言需求相关词推荐。以此为基础,利用文本表示学习方法,自动学习中英专利文本的语义信息,并在统一语义向量空间中进行表示,最后通过向量相似度计算方法,计算不同语言下专利文本间的语义相似度,构建基于表示学习的跨语言专利推荐方法,实现跨语言相关专利推荐。在“无线通信网络”领域中英双语专利实验证明,本文设计的基于表示学习的跨语言相关专利推荐方法,能够实现较全面准确的中英跨语言专利推荐,Top-1和Top-5的推荐准确率分别达到了55.63%和77.82%,较弱监督推荐方法均有所提高,该方法可以扩展到其他语言的专利推荐研究和应用中。