当今世界已进入知识经济时代,专利规模的不断扩张,专利等知识产权受到人们前所未有的重视。专利不仅是企业技术实力的重要展现,更是企业参与竞争的战略性资源,是企业高价值的资产。目前专利文献的标引工作主要是请专业标引人员进行标引,在标引的过程中存在天然的缺陷,费时费力且主观性强,且在专利标引的过程中,只能对每件专利文献中的信息进行标引,标引的内容极少,专利知识难以掌握并合理利用,并且标引的内容并不能直观、简洁的体现专利的有效信息,给用户带来的帮助非常有限,用户体验度较差,如何设计一个完善的专利自动标引系统,对专利信息进行自动标引,是一项有意义值得研究的课题。本文针对专利信息标引工作进行调研分析,旨在设计开发一款企业级的完善的专利自动标引系统,挖掘专利有价值的信息,实现专利的自动标引,也为后续专利自动标引工作的研究奠定基础。本论文分析了专利自动标引系统的可行性并提出了详细的方案及模块设计,具体工作包括以下几个方面:第一,便于系统的管理和使用,本文主要从系统的人员管理、权限管理、专利检索、专利标引、专利审查、质量分析等几方面进行设计开发,应对企业中不同使用人员的操作需求。第二,将自动标引相关技术与实际需要相结合设计了 5层关键词体系,从不同维度对专利进行标引,从而使标引结果更好的覆盖专利的各个主题,缓解关键词覆盖度不够的问题,标引视角更为广泛,并通过系统WEB界面使标引结果直观、简洁的展现。第三,针对专利语料匮乏的问题,由北京东方灵盾科技有限公司提供的21000篇中医药专利作为专利语料集,主要从语料标注、命名体识别、主题词提取等方面进行研究。首先设定了语料标注规范,结合专利关键词的特点,定义了5类实体,对专利数据进行标注,构建了专利语料库。第四,针对现有专利中的命名体识别任务,采用深度学习对专利命名体识别与提取,分别以多模型为基础,分析模型优劣点,为了更好地获取上下文特征,对传统的LSTM进行改进,采用双向LSTM网络,使用Bi-LSTM+CRF模型对专利进行命名体识别。实验证明在相同特征的条件下,改进模型在性能上表现出优势。