专利文本中蕴含着丰富的与产品创新设计相关的信息,是企业求解创新设计业务的重要参考信息来源。然而,随着专利数据量的快速增长,单纯依靠人工的查阅,很难及时、快速地实现对大量基于专利的创新知识资源的获取。因此本论文基于此背景开展了面向创新设计业务求解的专利资源配置研究,针对创新设计业务的求解需求推荐相关专利资源。另外向研发人员进行个性化的专利推荐,以提升研发人员的创新能力,促进创新研发设计业务的求解绩效。为了解决专利数量多且内容复杂的问题,提高产品创新设计业务的求解效率,本论文基于大量且复杂的产品专利文本数据,引入深度学习方法,研究了专利知识的计算机自动抽取方法。将产品专利知识抽取分解成了专利文本中功效,原理和结构三类实体的识别以及各类实体之间关系的抽取两大任务,建立了专利知识结构模型。基于自然语言处理的相关模型完成了对专利中各类实体和实体关系的识别抽取,将抽取出的知识实体进行对齐后构建了产品专利知识图谱,可以根据创新设计业务求解的需求提供相应的专利资源。通过产品专利知识图谱推荐的专利资源仍可能很多,因此还研究了面向研发人员的专利个性化推荐服务研究。通过研发人员的偏好向其推荐个性化的专利,可以对知识图谱推荐的专利资源进行二次筛选。通过自动化抽取出专利知识构建的产品专利知识图谱,并结合波纹网络（Ripple Net）推荐算法设计了面向研发人员的专利个性化推荐服务。Ripple Net算法通过知识图谱中实体与实体之间的连接自动传播研发人员的偏好信息,实现研发人员对知识实体集合的偏好传播,形成对候选项目的偏好分布,用于对候选专利点击率的预测,最终实现对其进行个性化推荐。结合产品专利知识图谱面向创新设计业务推荐的专利资源,能有效提升研发人员的创新设计业务求解能力,从而有助于提高产品创新设计业务的求解绩效。最后,基于以上理论设计了辅助产品创新设计的专利知识服务原型系统,就系统总体功能模块和系统总体框架进行了研究设计。本文研究的基于知识图谱的专利个性化推荐技术与方法,既能满足创新设计业务的知识需求,又能解决专利数据过多导致“信息过载”的问题。面向企业创新设计业务的专利资源配置,有助于提高创新设计业务的求解绩效。