趙 陽 文庭孝

（中南大學信息安全與大數(shù)據(jù)研究院 長沙 410083）

1 專利技術(shù)信息研究

隨著知識經(jīng)濟和創(chuàng)新驅(qū)動的快速發(fā)展，作為知識產(chǎn)權(quán)核心的專利得到了高度重視。專利是一種集技術(shù)、法律和經(jīng)濟于一體的復合性、綜合性信息資源，其中，技術(shù)信息是專利承載和反映的核心內(nèi)容，是反映最新科技信息的新發(fā)明、新創(chuàng)造、新設(shè)計。

1.1 專利文獻的技術(shù)屬性

專利文獻記載了人類取得的每一個技術(shù)進步，是一本活的技術(shù)百科全書。專利文獻對技術(shù)信息的揭示完整而詳細，主要體現(xiàn)在：申請人必須按照《專利法》在專利申請書中對發(fā)明創(chuàng)造做出清楚而完整的說明，且該說明以所屬技術(shù)領(lǐng)域的人員能實現(xiàn)為標準。此外，為了滿足專利申請對新穎性、創(chuàng)造性和實用性的審查要求，專利說明書一般都會對發(fā)明創(chuàng)造的技術(shù)方案進行完整而詳盡的描述，并且參照現(xiàn)有技術(shù)指明其發(fā)明點所在、具體的實施方式以及有益的效果[1]。專利文獻不僅詳細說明技術(shù)內(nèi)容，同時還會對技術(shù)領(lǐng)域的現(xiàn)存技術(shù)作簡要介紹，因而專利文獻提供了一個窺探特定技術(shù)發(fā)展歷程的獨特視角。

1.2 專利技術(shù)信息的內(nèi)涵

專利技術(shù)信息是指某一技術(shù)領(lǐng)域內(nèi)發(fā)明創(chuàng)造的內(nèi)容，也是某一特定技術(shù)的發(fā)展趨勢、技術(shù)解決方案、技術(shù)分布（領(lǐng)域、地域、主體）和技術(shù)主題等。因此，專利技術(shù)信息就是指揭示發(fā)明創(chuàng)造技術(shù)內(nèi)容的相關(guān)信息，包括某一技術(shù)領(lǐng)域內(nèi)新的發(fā)明創(chuàng)造、某一特定技術(shù)的發(fā)展歷史、某一技術(shù)的關(guān)鍵解決方案、某項發(fā)明的技術(shù)領(lǐng)域、主題和發(fā)明的內(nèi)容提要等[1]。

專利技術(shù)信息分為外部特征信息和內(nèi)部特征信息。外部特征信息反映在專利文獻扉頁的著錄項目中，如申請日、授權(quán)日、發(fā)明人、專利權(quán)人、地址、國家代碼、國省代碼、專利分類號、分類范疇、檢索領(lǐng)域等；內(nèi)部特征信息包含在專利文摘、權(quán)利要求項和技術(shù)說明書中，具體有發(fā)明名稱、摘要、關(guān)鍵詞、參考文獻、專利權(quán)項、技術(shù)說明書、附圖等。

1.3 專利技術(shù)信息挖掘及其作用

專利技術(shù)信息挖掘是指將個別或大量專利中潛在的技術(shù)信息，通過加工、組合、統(tǒng)計或數(shù)據(jù)文本處理的方式從專利文獻中挖掘出來，形成為創(chuàng)新活動服務的情報和知識[2]。專利技術(shù)信息挖掘貫穿于創(chuàng)新活動的全過程，通過理解和跟蹤創(chuàng)新流程[3]，從技術(shù)趨勢、技術(shù)分布和核心專利的挖掘入手，了解技術(shù)研發(fā)的進程，分析技術(shù)分布的態(tài)勢以及掌握技術(shù)發(fā)展的趨勢，從而為技術(shù)創(chuàng)新活動提供技術(shù)監(jiān)測、競爭情報、技術(shù)評價和預測等決策信息，并在企業(yè)技術(shù)研發(fā)、專利布局、侵權(quán)維護等戰(zhàn)略部署中發(fā)揮著重要作用。

2 基于專利檢索的專利技術(shù)信息挖掘研究

2.1 專利檢索類型

專利檢索是根據(jù)一項或數(shù)項特征，從大量的專利文獻或?qū)＠麛?shù)據(jù)庫中挑選符合特定要求的信息的過程。專利檢索有專利技術(shù)信息檢索、新穎性檢索、專利法律狀態(tài)檢索和同族專利檢索四種基本類型，由此還可以衍生出多種類型。其中專利技術(shù)信息檢索和專利技術(shù)方案檢索與專利技術(shù)信息挖掘密切相關(guān)[4]。

專利技術(shù)信息檢索是指從任意一個主題對專利文獻進行檢索，其目的是找出相關(guān)的參考文獻。專利技術(shù)信息檢索的信息特征一般是：主題詞、專利分類號等，有時輔以專利權(quán)人、發(fā)明人、申請日、授權(quán)日等檢索條件。通過專利技術(shù)信息檢索可以挖掘出技術(shù)領(lǐng)域內(nèi)相關(guān)技術(shù)專利，初步了解技術(shù)現(xiàn)狀和技術(shù)分布[4]。

專利技術(shù)方案檢索是針對發(fā)明創(chuàng)造的技術(shù)方案，對包括專利文獻在內(nèi)的全世界范圍內(nèi)的各種公開出版物進行的檢索，目的是要找出可進行新穎性和創(chuàng)造性對比的文件，確定專利技術(shù)方案是否具有新穎性和創(chuàng)造性[4]。因此，專利技術(shù)方案檢索又被稱為專利新穎性檢索、專利性檢索、專利對比文件檢索。專利技術(shù)方案檢索和專利技術(shù)信息檢索一樣，都是從技術(shù)主題出發(fā)進行檢索，但是專利技術(shù)方案對檢索精度要求更高。

2.2 專利檢索策略

專利檢索策略是為實現(xiàn)專利信息檢索目標而制定的計劃和方案，包括確定專利信息檢索類型、選定檢索系統(tǒng)、按照特定檢索步驟、構(gòu)建合理的檢索提問式。專利技術(shù)信息檢索通常以IPC分類號、專利名稱、摘要、關(guān)鍵詞、權(quán)利要求等作為主要檢索入口，選擇適當邏輯運算符和截詞符等制定檢索策略。為了評估藍藻的現(xiàn)有技術(shù)及其應用情況，Sekar制定了相應的專利檢索策略在美國的專利商標局專利數(shù)據(jù)庫（USTPO）中進行專利技術(shù)信息檢索[5]。常用的專利檢索大多依賴專家提出的關(guān)鍵詞或IPC制定檢索策略，各有其優(yōu)缺點，因而張晨提出了關(guān)鍵詞與分類號相結(jié)合的檢索方式，優(yōu)化專利檢索策略[6]。但基于關(guān)鍵詞或IPC的專利檢索不可避免的存在主觀判斷和信息遺漏等缺陷，為此，陳瓊娣提出了基于詞頻分析的清潔技術(shù)專利檢索策略[7]。

現(xiàn)有專利檢索系統(tǒng)大多數(shù)是基于IPC分類建立的，但無法從創(chuàng)新的角度提供不同領(lǐng)域可借鑒的技術(shù)原理。也就是說，IPC是適用于審查的分類系統(tǒng)，而不是便于技術(shù)創(chuàng)新的分類系統(tǒng)。據(jù)此，李更提出了基于TRIZ創(chuàng)新流程與IPC相結(jié)合的檢索系統(tǒng)，更易找到準確的專利技術(shù)信息[8]。劉彤認為，TRIZ理論通過對技術(shù)方案的分析，利用矛盾矩陣，形成一種有章可循的發(fā)明構(gòu)想，可以幫助遴選高效的檢索詞，從而提高專利技術(shù)信息的有效利用[9]。

2.3 專利檢索技術(shù)與方法

專利檢索條目的抽取是專利技術(shù)檢索成功的關(guān)鍵。由于輸入的檢索詞可能屬于不同的技術(shù)主題，無法表達準確的查詢要求，專利檢索方法也無法有效捕捉到用戶的查詢意圖并獲得良好的擴展條件，從而導致專利檢索效率低下。因此，尋求有效的條件擴展和精度進而提升專利檢索技術(shù)與方法就成為研究的重點。Mahdabi利用IPC描述作為擴展詞典，提出了基于位置鄰近的擴展檢索方法，可以最大限度地降低擴展詞歧義[10]。Wang則提出了一種基于語義查詢的專利檢索方法，實現(xiàn)專利技術(shù)信息的擴展檢索[11]。Mahdabi則將引文信息引入相似專利檢索，通過專利的引文鏈接擴展返回的專利文檔[12]。在提高專利檢索精度方面，最常使用的方法是向量空間模型（VSM），但在文字表述發(fā)生變化時該方法就會失效。因此，Lim[13]、陳芨熙[14]利用VSM和本體相結(jié)合的方式提高了專利技術(shù)檢索精度，而Chen提出用基于IPC的索引詞匯法來提高技術(shù)信息檢索的準確性[15]。Lee通過改進檢索技術(shù)，利用關(guān)鍵詞加權(quán)分布和Top-k算法，在檢索結(jié)果中直接顯示與目標技術(shù)最相關(guān)和最重要的專利，實現(xiàn)相關(guān)技術(shù)的檢索和自動排序[16]。Krestel提出了基于潛在主題的專利推薦方法，利用多項式回歸對專利查詢條件進行計算，從專利集合中選取Top-k個內(nèi)容相關(guān)的專利進行排序[17]。

專利檢索是挖掘?qū)＠夹g(shù)信息的首要步驟，通過不斷改進的檢索策略、檢索技術(shù)和檢索方法，可以全面、準確檢索實現(xiàn)專利技術(shù)信息，而對檢索結(jié)果的技術(shù)相關(guān)性排序則更是擴大了專利檢索在專利技術(shù)信息挖掘中的作用，使專利檢索不單是獲取相關(guān)技術(shù)的途徑，也成為一種專利分析的輔助方法。

3 基于專利地圖的專利技術(shù)信息挖掘研究

3.1 專利地圖的類型

專利地圖是由各種與專利相關(guān)的信息以統(tǒng)計分析方法加以縝密及精細地剖析而制成各種可解讀的圖表，使其具有類似地圖的指向功能[18]。專利地圖在專利技術(shù)信息挖掘中起到承上啟下的作用，承上是指將檢索到的專利信息經(jīng)過整理、綜合、歸納，以數(shù)據(jù)的形式歸入圖表中，對技術(shù)信息進行定量和定性分析；啟下是指通過專利地圖的分析，獲得某一技術(shù)發(fā)展路線、水平、趨勢等情報，為技術(shù)發(fā)展動向和技術(shù)創(chuàng)新角度提供情報。

專利地圖一般可以分為專利管理地圖、專利技術(shù)地圖和專利權(quán)利地圖三類[19]。其中，專利技術(shù)地圖服務于技術(shù)研發(fā)，是挖掘?qū)＠夹g(shù)發(fā)展動向，預測技術(shù)趨勢的重要利器。專利技術(shù)地圖是針對某個技術(shù)領(lǐng)域內(nèi)的技術(shù)發(fā)展趨勢、集中程度等方面的分析，主要有專利技術(shù)分布圖、技術(shù)生命周期圖、技術(shù)功效矩陣圖、技術(shù)路線圖、技術(shù)主體圖等，目的是為了表達某一技術(shù)領(lǐng)域的技術(shù)總體態(tài)勢、周期、熱點、空白、演進和布局，從而挖掘?qū)＠夹g(shù)信息。

3.2 專利地圖的應用

專利地圖是用于專利技術(shù)信息挖掘的常用工具，其中技術(shù)生命周期圖、技術(shù)功效矩陣圖、技術(shù)路線圖、主要競爭對手及核心技術(shù)分布圖在專利技術(shù)信息挖掘中應用比較廣泛。

技術(shù)生命周期是技術(shù)成熟度的反映，包括導入期、成長期、成熟期和衰退期，一般通過計算專利指標、相對增長率和技術(shù)生命周期圖法獲得[20-21]。國內(nèi)外學者大多使用某一技術(shù)在不同時期內(nèi)專利申請量和專利申請人數(shù)的變化關(guān)系來繪制專利技術(shù)生命周期圖，從而清楚地了解該技術(shù)發(fā)展狀態(tài)[22-23]。由于技術(shù)生命周期只能反映專利技術(shù)的某一方面，因此還需要借助其他工具來配合進行全面的專利技術(shù)信息挖掘。Lo意識到了科學與技術(shù)的關(guān)系，利用專利授權(quán)量制作專利地圖，探討技術(shù)生命周期的變化[24]。馮立杰、鐘華珂等結(jié)合專利申請情況、IPC和地區(qū)分布、專利權(quán)人等指標，利用技術(shù)生命周期圖反映專利技術(shù)現(xiàn)狀[25-26]。

專利技術(shù)功效矩陣圖是通過對專利文獻反映的技術(shù)主題內(nèi)容和主要技術(shù)功能效果之間的特征研究，揭示技術(shù)和功效之間的關(guān)系[27]，便于相關(guān)技術(shù)人員掌握技術(shù)布局情況，用于尋找技術(shù)空白點、技術(shù)研發(fā)熱點，從而發(fā)現(xiàn)潛在的研發(fā)方向。目前，技術(shù)功效矩陣的構(gòu)建主要還是以手工為主，已經(jīng)無法適應專利技術(shù)信息挖掘的要求，因此國內(nèi)外學者把目光聚焦于技術(shù)詞與功效詞的有效提取上。陳穎提出了一種基于特征度指標的矩陣構(gòu)建詞匯模型[28]。王麗利用主題自動標引生成技術(shù)功效圖[29]?；舸滏美萌毡緦＠麢z索體系中的FI/Fterm分類標準進行自動標引，構(gòu)建技術(shù)功能效圖[30]。張博培、He依靠術(shù)語識別技術(shù)構(gòu)建專利技術(shù)功效圖，實現(xiàn)專利技術(shù)信息的半自動化挖掘[31-32]。

技術(shù)路線圖是基于專利文獻信息分析描繪某技術(shù)領(lǐng)域的主要技術(shù)發(fā)展路徑和關(guān)鍵技術(shù)節(jié)點，從技術(shù)鏈的完整視野認知主流技術(shù)發(fā)展歷程。余小萍認為技術(shù)路線圖是應用簡潔的圖表、文字等形式描繪技術(shù)變化的步驟和技術(shù)環(huán)節(jié)之間的邏輯關(guān)系[33]?？娦∶骼脤＠木W(wǎng)絡制作了核心技術(shù)發(fā)展路線圖，并結(jié)合核心專利年代分布圖、核心技術(shù)IPC分類圖等完整描述了混合動力汽車技術(shù)路線[34]。還有一些學者提出了更加先進的專利技術(shù)路線圖，如Kim在確定核心專利的引文網(wǎng)絡中加入專利主題的語義分析，利用潛在狄利克雷分布識別技術(shù)分類，提高了專利技術(shù)路線圖的精度[35]。Jeong通過GTM模型分析技術(shù)發(fā)展現(xiàn)狀和空白，并利用貝葉斯模型預測技術(shù)領(lǐng)域的最大專利申請量和新專利節(jié)點近似出現(xiàn)的時間，克服了技術(shù)路線圖只能提供發(fā)展趨勢而不能提供技術(shù)機會出現(xiàn)時間的缺陷[36]。

主要競爭對手及核心技術(shù)分布圖是針對某項技術(shù)，利用圖表分析，識別競爭對手及其專利活動的分析工具。制作該專利地圖時，需要多種信息的融合，包括技術(shù)領(lǐng)域和重點專利申請人排名、專利申請趨勢、技術(shù)構(gòu)成、地域構(gòu)成、研發(fā)團隊發(fā)展脈絡等角度[37]。張紅芹從市場、能力、時間三個維度構(gòu)建專利地圖確立主要競爭對手，進行核心專利挖掘[38]。王興旺構(gòu)建了基于專利地圖的競爭對手分析模型，使用專利權(quán)人研發(fā)趨勢圖、研發(fā)重點分布圖、專利權(quán)人關(guān)聯(lián)圖、專利引證圖、專利權(quán)人引證排行表等綜合確定競爭對手及其核心技術(shù)[39]。Trappey[40]和Chang[41]引入專利引文網(wǎng)絡，使用專利受讓人和專利權(quán)人網(wǎng)絡來鎖定主要競爭對手。

4 基于專利引文的專利技術(shù)信息挖掘研究

專利對其他專利的引用體現(xiàn)了技術(shù)發(fā)展的規(guī)律、繼承和積累以及不同技術(shù)領(lǐng)域的交叉和滲透。與科技文獻類似，專利間的引文關(guān)系實際上也是一種“引文鏈”或“引文網(wǎng)絡”，能夠反映蘊含在專利中的技術(shù)流動，揭示和挖掘?qū)＠夹g(shù)相互聯(lián)系的實質(zhì)和內(nèi)涵[42]?；趯＠牡膶＠夹g(shù)信息挖掘關(guān)鍵在于分析專利引文量和引文指標，進一步結(jié)合時間序列的引文聚類分析，可用于確定某一技術(shù)領(lǐng)域內(nèi)的核心技術(shù)，并通過引證路徑追溯技術(shù)發(fā)展的歷程，分析技術(shù)發(fā)展和技術(shù)關(guān)鍵節(jié)點[43]。

4.1 引文分析指標

專利引文分析指標可對單個專利或目標專利群進行專利價值、技術(shù)容量、技術(shù)原創(chuàng)性、技術(shù)應用廣度等多個維度的挖掘。目前，國內(nèi)外學者用于專利技術(shù)信息挖掘的專利引文分析指標有：反映專利技術(shù)重要程度的被引頻次[44]，反映主體技術(shù)實力的自引或他引率[45]，反映某技術(shù)影響的當前影響指數(shù)[46]，反映技術(shù)變化快慢的技術(shù)循環(huán)周期[47]和反映技術(shù)容量的吸收或擴散指數(shù)[48]等。吳菲菲以引文分析指標為基礎(chǔ)，基于知識新穎性和領(lǐng)域交叉性，提出了鎖定前沿技術(shù)的專利識別方法[49]。引文指標組合分析雖然可以挖掘技術(shù)強度、技術(shù)影響力和技術(shù)循環(huán)周期等，但不能體現(xiàn)專利“引文鏈”和“引文網(wǎng)絡”的特性，存在局限性。

4.2 引文網(wǎng)絡

具有直接引證關(guān)系的兩篇或多篇專利必然存在某種技術(shù)聯(lián)系，因此，可以利用專利群之間直接或間接的引證關(guān)系進行引文網(wǎng)絡分析。國內(nèi)外對專利引文網(wǎng)絡的研究主要集中在引文軌跡、同被引和引文耦合三個方面。

引文軌跡通過將專利前后引證關(guān)系以引證鏈的形式完整展現(xiàn)出來，直觀反映技術(shù)發(fā)展過程的關(guān)鍵節(jié)點，可以識別專利中包含技術(shù)的演進軌跡，確定基礎(chǔ)技術(shù)、核心技術(shù)[50-53]。引文軌跡依據(jù)引文網(wǎng)絡的整體結(jié)構(gòu)識別專利價值，還可以挖掘出被引頻次不高卻在網(wǎng)絡中占據(jù)重要位置的專利。Martinelli在引文網(wǎng)絡分析中應用孟德爾基因遺傳規(guī)律分解專利知識，通過計算專利持久性指數(shù)，成功地減少了需要考慮的節(jié)點和鏈路數(shù)量[54]。Kim建議通過專利引用網(wǎng)絡與動態(tài)技術(shù)樹組合應用，確定微觀技術(shù)進化軌跡，并使用通用性、多樣性和新穎性指標，發(fā)現(xiàn)可以成為下一代技術(shù)和衍生技術(shù)起點的關(guān)鍵技術(shù)[55]。

專利文獻不只具有直接引用關(guān)系，也存在著同被引和耦合的現(xiàn)象，利用專利共引和耦合分析可以挖掘不同研究主體的技術(shù)關(guān)聯(lián)關(guān)系和強度，揭示技術(shù)分布規(guī)律并預測研究主體的技術(shù)發(fā)展趨勢等。明宇[56]、李蓓[57]、Sharma[58]、Yongdai[59]等根據(jù)專利共引網(wǎng)絡中心度的大小確定核心專利。Rodriguez認為單獨使用中心度確定核心專利具有缺陷，可以通過刪除網(wǎng)絡中的節(jié)點得到相似性矩陣，相似性矩陣中變化最大的節(jié)點即為最具影響力的專利[60]。許海云認為專利技術(shù)功效主題詞與專利共現(xiàn)在核心專利挖掘方面具有優(yōu)越性，技術(shù)功效詞、技術(shù)主題詞與專利引文網(wǎng)絡結(jié)合可用于鎖定核心專利[61]。在使用引文耦合挖掘技術(shù)趨勢方面，高楠提出基于原始觀測值和余弦距離相似度算法建立專利相似性矩陣，并利用引文耦合網(wǎng)絡獲得技術(shù)前沿[62]。You使用時間序列模型Bass和ARIMA模型評估由重要專利生成的二級引文耦合網(wǎng)絡，用于技術(shù)發(fā)展趨勢預測[63]。

5 基于專利網(wǎng)絡的專利技術(shù)信息挖掘研究

專利網(wǎng)絡分析以社會網(wǎng)絡分析、社會計量學和圖形理論為基礎(chǔ)，是專利引文分析的拓展和衍生，成為揭示專利之間關(guān)系、內(nèi)涵、聯(lián)系強度的重要工具。應用社會網(wǎng)絡進行專利技術(shù)信息挖掘的主要項目有專利權(quán)利人、發(fā)明人、關(guān)鍵詞、技術(shù)分類和引文網(wǎng)絡分析等，從專利合作、競爭等角度分析了技術(shù)發(fā)展現(xiàn)狀和趨勢。

5.1 專利合作網(wǎng)絡

以專利權(quán)人和發(fā)明人構(gòu)建專利合作網(wǎng)絡，揭示了技術(shù)合作關(guān)系。國內(nèi)外大量研究集中在企業(yè)合作研發(fā)、合作模式、技術(shù)集群、核心發(fā)明人和專利權(quán)人識別上[64]。劉彤、李紅對專利合作網(wǎng)絡的演化路徑和動態(tài)特征進行了分析，用于識別網(wǎng)絡中潛在的重要合作關(guān)系及其變化[65-66]。貢金濤則對風力發(fā)電技術(shù)領(lǐng)域的專利合作網(wǎng)絡結(jié)構(gòu)特征和中心度進行了測量，分析專利技術(shù)合作情況及核心人員分布[67]。Du使用迭代算法和潛在狄利克雷分布模型分析了具有高影響力發(fā)明人和發(fā)明團體的技術(shù)方向，用于在發(fā)明人異構(gòu)網(wǎng)絡中更加準確和快速地找到核心發(fā)明人及合作團體[68]。

5.2 專利關(guān)鍵詞網(wǎng)絡

專利關(guān)鍵詞網(wǎng)絡的核心思想是利用文本挖掘技術(shù)提取專利文本關(guān)鍵詞，對關(guān)鍵詞進行聚類、關(guān)聯(lián)等分析，挖掘技術(shù)特點，并通過確定網(wǎng)絡中空白點并分析周圍專利，探尋技術(shù)空白點。Sungjoo提出了一種基于關(guān)鍵詞網(wǎng)絡的專利分析方法，用于技術(shù)現(xiàn)狀和技術(shù)空白點分析，奠定了專利關(guān)鍵詞網(wǎng)絡發(fā)展的基礎(chǔ)[69]。劉美佳從專利摘要中抽取RFID技術(shù)關(guān)鍵詞，利用關(guān)鍵詞聚類網(wǎng)絡挖掘技術(shù)主題，借助戰(zhàn)略坐標圖展現(xiàn)技術(shù)主題[70]。Wu提出一種結(jié)合德爾菲和層次分析的關(guān)鍵詞網(wǎng)絡分析法，通過提取關(guān)鍵詞并確定每個關(guān)鍵詞的權(quán)重，建立相似矩陣以增加網(wǎng)絡精確性[71]。由于技術(shù)總是處于不斷演化過程中，用關(guān)鍵詞網(wǎng)絡無法準確發(fā)現(xiàn)技術(shù)變化狀況，為此Kim假設(shè)關(guān)鍵詞網(wǎng)絡中存在核心節(jié)點，通過加入時間變量，分析關(guān)鍵詞網(wǎng)絡隨時間推移的分解性，可以更為細致地觀察技術(shù)分解的過程[72]。

專利關(guān)鍵詞網(wǎng)絡在揭示技術(shù)發(fā)展現(xiàn)狀和預測技術(shù)發(fā)展趨勢方面更具科學性，但也存在局限：第一，用于構(gòu)建專利網(wǎng)絡的關(guān)鍵詞提取受文本挖掘技術(shù)限制，操作比較復雜；第二，使用文本挖掘和其他技術(shù)時不可避免會造成信息的丟失；第三，在挖掘技術(shù)空白點時，雖然可以根據(jù)關(guān)鍵詞空白確定需要重點分析的專利，但卻無法直接確定技術(shù)創(chuàng)新的具體內(nèi)容。

5.3 專利技術(shù)共類網(wǎng)絡

技術(shù)共類網(wǎng)絡用于探索專利所屬的技術(shù)領(lǐng)域和主題，揭示技術(shù)演進和創(chuàng)新體系，從技術(shù)網(wǎng)絡結(jié)構(gòu)中挖掘技術(shù)分布。技術(shù)共類主要通過IPC聚類和共詞分析實現(xiàn)，其中，共詞分析將主題詞作為分析對象，以可視化的方式展示主題分布，研究主題間關(guān)系和主題聚類情況。賈佳將所有引證核心專利的專利依據(jù)IPC進行聚類，可以掌握間接相關(guān)的技術(shù)交叉[73]。Yan提出利用距離量化某一技術(shù)領(lǐng)域涉及IPC的場鄰近度，從而比較技術(shù)的共生和共類[74]。Long以IPC建立地鐵技術(shù)共類網(wǎng)絡，通過改進節(jié)點重要性貢獻度相關(guān)矩陣算法，計算出整個技術(shù)共類網(wǎng)絡的關(guān)鍵技術(shù)[75]。Chun從醫(yī)療器械專利提取的IPC代碼協(xié)方差和相關(guān)系數(shù)建立IPC聚類網(wǎng)絡識別中心技術(shù)[76]。Han以IPC共類探索ICT領(lǐng)域的技術(shù)融合[77]。

德溫特手工代碼（MC）具有很強的一致性和專業(yè)性，適用于技術(shù)共類分析。趙潤州利用BICOMB軟件對提取的高頻代碼構(gòu)建專利DC代碼共類矩陣和MC代碼共詞矩陣，構(gòu)建共詞網(wǎng)絡識別技術(shù)分布和熱點[78]。汪莉抽取《德溫特創(chuàng)新索引》20個DC技術(shù)大類專利進行技術(shù)共類分析，利用技術(shù)共類率和強度指標測度專利跨度[79]。

相對于專利引文，基于專利網(wǎng)絡的技術(shù)信息挖掘更具優(yōu)勢：第一，專利網(wǎng)絡不僅考慮存在引證關(guān)系的兩個專利之間的聯(lián)系，還從整體上把握各專利的關(guān)系，減少了信息遺漏；第二，專利網(wǎng)絡使用可視化方式展示全局專利的布局，可以更直觀地理解專利結(jié)構(gòu)，更全面地預見技術(shù)發(fā)展；第三，專利網(wǎng)絡采用多種算法，并且國內(nèi)外學者還在不斷探索更為適用的方法，因此產(chǎn)生了更具科學性、準確性的專利指標，可以為精準決策提供依據(jù)。

6 基于專利挖掘的專利技術(shù)信息挖掘研究

6.1 專利數(shù)據(jù)挖掘研究

傳統(tǒng)的專利技術(shù)信息挖掘主要基于原文分析和數(shù)據(jù)統(tǒng)計，即通過專利文獻上固有的信息識別專利文獻，并對指標數(shù)據(jù)進行統(tǒng)計得到技術(shù)發(fā)展現(xiàn)狀。但這種挖掘方法無法揭示專利文獻中隱藏的技術(shù)信息，且面對大量專利數(shù)據(jù)時工作量繁重，分析淺顯。利用數(shù)據(jù)挖掘技術(shù)，可以從海量的、無法通過人工統(tǒng)計的專利數(shù)據(jù)中挖掘出潛在的技術(shù)信息，還能通過算法構(gòu)建潛在技術(shù)信息的關(guān)聯(lián)并有效展示出來[80]。專利文獻的數(shù)據(jù)挖掘主要是指使用數(shù)據(jù)挖掘原理和方法（統(tǒng)計分析、知識抽取、聚類、分類、關(guān)聯(lián)等）直接處理專利外部特征信息（著錄項或?qū)＠獢?shù)據(jù)），得到共引與共類統(tǒng)計、時間序列分析、網(wǎng)絡拓撲結(jié)構(gòu)呈現(xiàn)等結(jié)果[81]，再結(jié)合組合理論、專利地圖等技術(shù)，對專利技術(shù)信息進行情報分析，以可視化的形式展現(xiàn)出來[82]。

6.2 專利文本挖掘研究

專利文本挖掘即綜合使用信息檢索、數(shù)據(jù)挖掘、自然語言處理及機器學習等領(lǐng)域的知識和技術(shù)對非結(jié)構(gòu)化的專利文本，如題名、摘要、權(quán)利要求等字段，進行專利特征抽取、主題標引、分類與聚類等挖掘研究，從而識別專利的技術(shù)主題，并挖掘出替代性或共性技術(shù)，是對專利數(shù)據(jù)挖掘的補充和擴展。

6.2.1 專利術(shù)語抽取

專利術(shù)語抽取是專利文本挖掘的首要步驟，國內(nèi)外在專利術(shù)語抽取領(lǐng)域的研究主要集中在抽取方法[83-84]、錯誤來源分析[85]及生偏術(shù)語識別上[86-87]。楊雙龍利用術(shù)語詞性規(guī)則自動生成方法和候選術(shù)語的TermRank排序算法得到了最相關(guān)的專利技術(shù)術(shù)語[88]。

“主—謂—賓”（Subject-Action-Object，SAO）結(jié)構(gòu)分析也是專利術(shù)語抽取研究的熱點。SAO結(jié)構(gòu)源自發(fā)明問題解決理論，是表示問題解決方式的基本功能函數(shù)單元[89]。一般從摘要或權(quán)利要求部分抽取術(shù)語，提升了基于引文或關(guān)鍵詞分析的性能，可以更好地揭示技術(shù)主題之間的關(guān)系。李欣[90]、Choi[91]利用文本挖掘提取SAO結(jié)構(gòu)，根據(jù)語義相似度對專利文本聚類，再結(jié)合不同分析方法挖掘?qū)夹g(shù)信息。SAO結(jié)構(gòu)分析信賴于專家，Yang提出了基于分析樹自動識別和抽取最合理SAO結(jié)構(gòu)的方式[92]。

6.2.2 專利文本分類

基于多種分類器選擇和機器學習的文本挖掘旨在實現(xiàn)高效的專利文本分類[93]。屈鵬對專利文本分類的相關(guān)問題進行了研究，包括術(shù)語特征適用性、主權(quán)項字段分類、主題相似等，并交叉驗證了樸素貝葉斯分類器、KNN、Racchio、SVM等分類器的效果[94]?；谖谋就诰虻膶＠夹g(shù)分類解決了利用IPC分類和專家分類容易出現(xiàn)偏差的缺點[95]，Chen采用分步分層的方式將專利分類到IPC小組水平[96]，Trappey使用向后傳播神經(jīng)網(wǎng)絡進一步提高了專利文本分類精度[97]。

此外，將文本挖掘與TRIZ相結(jié)合的分類也得到發(fā)展。梁艷紅[98]、魯麒[99]分別以TRIZ發(fā)明原理作為分類標準和語料庫，建立了專利特征表示模型，而Loh[100]、He[101]則從用戶分類和技術(shù)分類角度推進專利知識發(fā)現(xiàn)研究。

6.2.3 專利技術(shù)主題識別

專利技術(shù)主題識別是專利技術(shù)檢索、專利技術(shù)分類以及技術(shù)領(lǐng)域前沿挖掘等多種技術(shù)信息分析的基礎(chǔ)。基于文本挖掘的專利技術(shù)主題識別方式包括主題詞獲取、計算知識單元關(guān)聯(lián)強度和面向多元關(guān)系融合的主題分析[102]。侯婷依據(jù)技術(shù)主題在專利標題中的分布特點和長度特征，提出了主題度算法，將主題度大的確定為技術(shù)主題，相似度大的確定為主題詞的替代詞[103]。基于專利文本可視化的技術(shù)主題發(fā)現(xiàn)也是對大規(guī)模文本處理的常見模式，郝智勇利用潛在狄利克雷分布自動建立特征項與語義之間的映射，自動抽取專利技術(shù)主題[104]。Tseng提出了通過計算技術(shù)術(shù)語聚簇頻率的方式獲得高頻技術(shù)主題[105]。專利技術(shù)主題的識別不僅可以有效挖掘技術(shù)分布現(xiàn)狀，還能與其他分析方法相結(jié)合獲取其他技術(shù)情報。王效岳改進了以專利引文為基礎(chǔ)的技術(shù)路線圖，使用文本挖掘技術(shù)鎖定專利技術(shù)主題，再利用主題分類構(gòu)建技術(shù)主題路線圖，鎖定潛在發(fā)展技術(shù)主題[106]。Kim結(jié)合專利申請時間構(gòu)建技術(shù)主題網(wǎng)絡，展示技術(shù)主題變化過程[107]。Chen按照時間窗口切割進行主題聚類，并計算不同技術(shù)主題之間關(guān)聯(lián)，繪制出技術(shù)演化過程[108]。

6.2.4 替代性或共性技術(shù)挖掘

替代性或共性技術(shù)識別是企業(yè)進行技術(shù)戰(zhàn)略布局的重要依據(jù)。目前，替代或共性技術(shù)的識別主要依靠定性分析[109]，但較少利用專利內(nèi)含的技術(shù)信息進行挖掘。黃魯成綜合使用文本挖掘、德溫特手工代碼共現(xiàn)、專利引用三個指標確立共性技術(shù)識別框架[110]，婁巖從核心性和相似性兩個視角，應用技術(shù)功效矩陣逐層遞進識別替代技術(shù)[111]。

基于文本的專利技術(shù)信息挖掘是近年來研究的熱點，其中專利技術(shù)術(shù)語抽取、專利文本自動分類、專利技術(shù)主題及結(jié)合其他專利分析方法（如專利地圖、引文、網(wǎng)絡）等成為研究的焦點。專利文本挖掘拓展了專利技術(shù)信息挖掘的研究視角，同時提高了專利技術(shù)信息挖掘的深度和精度。但專利文本挖掘本身存在局限：首先是需要較高的技術(shù)水平；其次是專利文本技術(shù)與法律用語并存，用詞晦澀難懂，增大文本挖掘難度；再次是專利文本挖掘模型計算結(jié)果和專利研究對象之間是否保持合理的聯(lián)系還需要進一步探討。

7 結(jié)語

專利技術(shù)信息是企業(yè)和科研機構(gòu)研發(fā)的基礎(chǔ)，是行業(yè)和國家創(chuàng)新的源泉，因此專利技術(shù)信息挖掘價值顯著、意義重大、倍受關(guān)注，成為專利檢索、專利地圖、專利引文、專利網(wǎng)絡和專利挖掘等領(lǐng)域研究的焦點。但基于專利檢索、專利地圖、專利引文、專利網(wǎng)絡和專利挖掘的專利技術(shù)信息挖掘各有其優(yōu)缺點，在可操作性、科學性、應用性方面差異顯著，如表1所示。

目前，國內(nèi)外在專利技術(shù)信息挖掘研究方面取得了可喜的進展，并向更精確、更深入和更全面的方向發(fā)展，特別是結(jié)合大數(shù)據(jù)技術(shù)和各種算法進行海量專利技術(shù)信息的挖掘已經(jīng)成為一種趨勢。整體來看，當前基于多種方式的專利技術(shù)信息挖掘研究仍然以方法為主導，但事實上，基于問題驅(qū)動和實際應用場景的專利技術(shù)信息挖掘需求更為迫切。

表1 五種專利技術(shù)信息挖掘方式比較分析

（來稿時間：2017年9月）

參考文獻：

1.李建蓉.專利信息與利用[M].北京：知識產(chǎn)權(quán)出版社，2006.

2. Tseng YH, Lin CJ, Lin YI. Text Mining Techniques for Patent Analysis[J]. INFORMATION PROCESSING &MANAGEMENT, 2007, 43（5）：1216-1247.

3.潘君鎮(zhèn),劉劍鋒,陳雅莉.淺談如何進行專利挖掘[J].中國發(fā)明與專利，2016（12）：51-53.

4.肖滬衛(wèi).專利戰(zhàn)術(shù)情報方法與應用[M].上海：上?？茖W技術(shù)文獻出版社，2015.

5. Soundarapandian S, Ponnaiah P. Strategic mining of cyanobacterial patents from the USPTO patent database and analysis of their scope and implications[J]. J Appl Phycol, 2006（19）：277-292.

6.張晨.專利檢索新策略——關(guān)鍵詞與分類號相結(jié)合[J].科技情報開發(fā)與經(jīng)濟，2014（13）：112-113.

7.陳瓊娣.基于詞頻分析的清潔技術(shù)專利檢索策略研究[J].情報雜志，2013（6）：47-52.

8.李更,范文,趙今明.TRIZ創(chuàng)新流程與專利檢索系統(tǒng)的結(jié)合探索[J].情報雜志，2013（2）：79-81.

9.劉彤,劉以成,李俊.TRIZ理論在專利檢索中的應用[J].中國科技信息，2014（1）：163-165.

10. MAHDABI P, ANDERSSON L, Keikha M, et al.Automatic refinement o f patent queries using concept importance predictors[C]. Portland, USA, 2012：505-514.

11. Wang F, Lin LF, Yang S, et al. A Semantic Query Expansion-based Patent Retrieval Approach[J]. 2013 10TH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY （FSKD），2013：572-577.

12. Mahdabi P, Crestani F. The effect of citation analysis on query expansion for patent retrieval[J]. INFORMATION RETRIEVAL, 2014, 17（5-6SI）：412-429.

13. Lim SS, Jung SW, Kwon HC. Improving Patent Retrieval System Using Ontology[M]. NEW YORK：IEEE, 2004：2646-2649.

14.陳芨熙,顧新建,陳國海,等.基于本體的專利檢索技術(shù)[J].浙江大學學報（工學版），2009（12）：2213-2217.

15. Chen YL, Chiu YT. An IPC-based vector space model for patent retrieval[J]. INFORMATION PROCESSING &MANAGEMENT, 2011, 47（3）：309-322.

16. Lee W, Leung C, Song J J. Reducing Noises for Recall-Oriented Patent Retrieval[J]. 2014 IEEE FOURTH INTERNATIONAL CONFERENCE ON BIG DATA AND CLOUD COMPUTING （BDCLOUD），2014：579-586.

17. KRESTEL R, SMYTH P. Recommending patents based on latent topics[J].Recommender Systems, 2013：395-398.

18.左良軍.基于專利地圖理論的專利分析方法與應用探究[J].中國發(fā)明與專利，2017（4）：29-33.

19.肖滬衛(wèi).專利地圖方法與應用[M].上海：上海交通大學出版社，2011.

20.瞿麗曼.專利地圖在企業(yè)技術(shù)研發(fā)中的應用[J].競爭情報，2009（4）：44-56.

21. Wang XW. Summary Research on Energy-Efficient Technology for Multi-core Computing System Based on Scientometrics[M]. NEW YORK：SPRINGER, 2016：348, 983-989.

22. Fu BR, Hsu SW, Liu CH, et al. Statistical analysis of patent data relating to the organic Rankine cycle[J]. RENEWABLE& SUSTAINABLE ENERGY REVIEWS, 2014, 39：986-994.

23. Fu BR, Hsu SW, Liu CH. Trends in patent applications relating to organic Rankine cycle[M]. AMSTERDAM：ELSEVIER SCIENCE BV, 2014, 79：249-257.

24. Lo CH. An Extension Design By Applying Patent Map Analysis On Product Life Cycle[J]. PAKISTAN JOURNAL OF STATISTICS, 2013, 29（5）：769-784.

25.馮立杰,王宇彬,王金鳳,等.基于專利管理地圖的我國三維打印技術(shù)發(fā)展研究[J].科技管理研究，2016（4）：169-172.

26.鐘華珂,馮立杰,王金鳳,等.基于專利管理地圖的我國煤層氣開采技術(shù)發(fā)展研究[J].情報雜志，2012（9）：21-24.

27.陳穎,張曉林.專利技術(shù)功效矩陣構(gòu)建研究進展[J].現(xiàn)代圖書情報技術(shù)，2011（11）：1-8.

28.陳穎,張曉林.基于特征度和詞匯模型的專利技術(shù)功效矩陣結(jié)構(gòu)生成研究[J].現(xiàn)代圖書情報技術(shù)，2012（2）：53-59.

29.王麗,張冬榮,張曉輝,等.利用主題自動標引生成技術(shù)功效矩陣[J].現(xiàn)代圖書情報技術(shù)，2013（5）：80-86.

30.霍翠婷,蔣勇青,凌鋒,等.日本FI/F-term分類體系在專利技術(shù)/功效矩陣中的應用研究[J].情報雜志，2013（11）：140-144.

31.張博培.面向?qū)＠男g(shù)語識別與技術(shù)功效矩陣構(gòu)建技術(shù)[D].北京：北京工業(yè)大學碩士論文，2015（3）：64.

32. He Y, Li Y, Meng L. A New Method of Creating Patent Technology-Effect Matrix Based on Semantic Role Labeling[J].2015 International Conference on Identification, Information, and Knowledge in the Internet of Things （IIKI），2015：58-61.

33.余小萍,閏現(xiàn)洋.基于技術(shù)路線圖的企業(yè)知識管理初探[J].情報雜志，2009, 28（7）：96-101.

34.繆小明,湯松.基于專利地圖的混合動力汽車技術(shù)路線研究[J].情報雜志，2013（5）：73-76.

35. Kim M, Park Y, Yoon J. Generating patent development maps for technology monitoring using semantic patent-topic analysis[J].COMPUTERS & INDUSTRIAL ENGINEERING, 2016, 98：289-299.

36. Jeong Y, Lee K, Yoon B, et al. Development of a patent roadmap through the Generative Topographic Mapping and Bass diffusion model[J]. JOURNAL OF ENGINEERING AND TECHNOLOGY MANAGEMENT, 2015, 38：53-70.

37.詹斯特,赫西.競爭對手分析[M].北京：經(jīng)濟科學出版社，2004：100-113.

38.張紅芹,鮑志彥.基于專利地圖的競爭對手識別研究[J].情報科學，2011（12）：1825-1829.

39.王興旺,孫濟慶.專利地圖技術(shù)在競爭對手分析中的應用研究[J].中國科技論壇，2009（6）：88-94.

40. Trappey A, Chen L, Chang J, et al. Strategic Development of LTE Mobile Communication Technology Based on Patent Map Analysis[M]. AMSTERDAM：IOS PRESS,2014, 1： 825-833.

41. Chang S, Trappey CV, Trappey A, et al. Forecasting Dental Implant Technologies Using Patent Analysis[M]. NEW YORK：IEEE, 2014：1483-1491.

42.滕立,黃蘭青.國際專利引文研究的計量分析[J].情報工程，2016（2）：18-25.

43.陳亮,張志強,尚瑋姣.專利引文分析方法研究進展[J].現(xiàn)代圖書情報技術(shù)，2013（Z1）：75-81.

44.郗建紅,彭愛東.專利被引頻次與專利分類跨領(lǐng)域相關(guān)性研究——以中國在美國授權(quán)專利為例[J].情報雜志，2016（4）：92-97.

45.洪勇,康宇航.基于專利引文的企業(yè)間技術(shù)溢出可視化研究[J].科研管理，2012（7）：81-87.

46. Wang CC, Li YT, Chen DZ, et al. Uses Unexpired Patent to Re-evaluate Innovation Performance by h-index and h-core Indicators[M]. NEW YORK：IEEE, 2013：965-971.

47. Dalton DM, Burke TP, Kelly EG, et al. Quantitative Analysis of Technological Innovation in Knee Arthroplasty Using Patent and Publication Metrics to Identify Developments and Trends[J].JOURNAL OF ARTHROPLASTY, 2016, 31（6）：1366-1372.

48. Kim DH, Lee BK, Sohn SY. Quantifying technologyindustry spillover effects based on patent citation network analysis of unmanned aerial vehicle （UAV）[J]. TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE, 2016, 105：140-157.

49.吳菲菲,欒靜靜,黃魯成,等.基于新穎性和領(lǐng)域交叉性的知識前沿性專利識別——以老年福祉技術(shù)為例[J].情報雜志，2016（5）：85-90.

50.王健美,劉志芳,戴愛兵.純電動汽車產(chǎn)業(yè)關(guān)鍵技術(shù)演進分析——專利引文分析視角[J].圖書情報工作，2014（14）：21-27.

51.范維熙,費鐘琳.基于德溫特專利引文網(wǎng)絡的技術(shù)演進路徑研究——以太陽能電池技術(shù)為例[J].情報雜志，2014（11）：62-66.

52. Verspagen B. Mapping technological trajectories as patent citation networks： A study on the history of fuel cell research[J].ADVANCES IN COMPLEX SYSTEMS, 2007, 10（1）：93-115.

53. Hsueh CC, Wang C C. The Use of Social Network Analysis in Knowledge Diffusion Research from Patent Data[C]. Social Network Analysis and Mining,2009. ASONAM09. International Conference on Advances in. IEEE, 2009：393-398.

54. Martinelli A, Nomaler O. Measuring knowledge persistence：a genetic approach to patent citation networks[J]. JOURNAL OF EVOLUTIONARY ECONOMICS, 2014, 24（3）：623-652.

55. Kim J, On the evolutionary technological trajectory using patent citation network and dynamic technology tree analysis： a case study of HVDC High Voltage DC transmission system[J]. JOURNAL OF TECHNOLOGY INNOVATION，2014, 22（4）：117-145.

56.明宇,司虎克.我國足球鞋發(fā)明專利的專利引文網(wǎng)絡拓撲屬性研究[J].中國體育科技，2015（5）：138-144.

57.李蓓,陳向東.海峽兩岸核心及新興技術(shù)比較—基于專利引文網(wǎng)絡的分析[J].科研管理，2015（2）：96-106.

58. Sharma P, Rashmitripathi, Tripathi RC. Patent Citation Network Analysis for Measuring the ICT Patent Progress in India[J].ETRI Journal, 2016.

59. Yongdai K. Patent citation network analysis[J]. The Korean Journal of applied Statistics, 2016, 29（4）：613-625.

60. Rodriguez A, Kim B, Lee J, et al. Graph kernel based measure for evaluating the influence of patents in a patent citation network[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42（3）：1479-1486.

61.許海云,岳増慧,雷炳旭,等.基于專利技術(shù)功效主題詞與專利引文共現(xiàn)的核心專利挖掘[J].圖書情報工作，2014（4）：59-64.

62.高楠,傅俊英,趙蘊華.基于兩種相似度矩陣的專利引文耦合方法識別研究前沿——以腦機接口為例[J].現(xiàn)代圖書情報技術(shù)，2016（3）：33-40.

63. You H, Li M, Hipel KW, et al. Development trend forecasting for coherent light generator technology based on patent citation network analysis[J]. SCIENTOMETRICS, 2017, 111（1）：297-315.

64. Schrder C. Dynamics in ICT cooperation networks in selected German ICT clusters[J]. INTERNATIONAL ECONOMICS and ECONOMIC POLICY, 2013（3）：197-230.

65.劉彤,郭魯鋼,楊冠燦.基于動態(tài)網(wǎng)絡分析的專利合作網(wǎng)絡演化分析——以納米技術(shù)為例[J].情報雜志，2014（11）：88-93.

66.李紅,陳少龍.基于社會網(wǎng)絡分析的智能手機專利發(fā)明人合作網(wǎng)絡演化研究[J].科技管理研究，2013（20）：157-160.

67.貢金濤,魏曉峰.基于社會網(wǎng)絡分析的專利合著網(wǎng)絡研究——以風力發(fā)電技術(shù)領(lǐng)域在華專利為例[J].情報雜志，2013（11）：37-42.

68. Du Y, Yao C, Li N. Using heterogeneous patent network features to rank and discover influential inventors[J]. FRONTIERS OF INFORMATION TECHNOLOGY & ELECTRONIC ENGINEERING, 2015, 16（7）：568-578.

69. Sungjoo L, Byungun Y, Yongtae P. An approach to discovering new technology opportunities：Keyword-based patent map approach[J]. TECHNOVATION, 2009（29）：481-497.

70.劉美佳.基于專利分析的RFID技術(shù)演化研究[D].北京：北京工業(yè)大學碩士論文，2013.

71. Wu C. Constructing a weighted keyword-based patent network approach to identify technological trends and evolution in a field of green energy： a case of biofuels[J]. QUALITY &QUANTITY, 2016, 50（1）：213-235.

72. Kim J. Analysis of Assortativity in the Keyword-based Patent Network Evolution[J]. Journal of Korean Society for Internet Information, 2013, 14（6）：107-115.

73.賈佳,孫濟慶.基于核心專利分析對技術(shù)創(chuàng)新應用發(fā)展的研究[J].情報理論與實踐，2009（1）：79-81.

74. Yan B, Luo J. Measuring technological distance for patent mapping[J]. JOURNAL OF THE ASSOCIATION FOR INFORMATION SCIENCE AND TECHNOLOGY, 2017, 68（2）：423-437.

75. Long M, Ma T. On a patent analysis method for identifying the core technologies of metro in china[J]. Information Studies, 2016，30：1701-1707.

76. Chun J, Seop LC. Central Technology Deriving for the Patents of Medical Device using Social Network Analysis[J]. Management &Information Systems Review, 2016, 35（2）：221-254.

77. Han J, Kim C. A Study of ICT Technology Convergence Analysis and Development Direction by Using the Patent Information： focusing on Kyongbuk area company[J]. The Journal of Intellectual Property, 2015, 10（3）：203-238.

78.趙潤州,徐卸古.基于專利信息的腦電圖技術(shù)成熟度及技術(shù)網(wǎng)絡分析[J].中華醫(yī)學圖書情報雜志，2016（4）：7-12.

79.汪莉.專利跨度的測度及其應用研究[A].中國學學與科技政策研究會.第十屆中國科技政策與管理學術(shù)年會論文集——分8：科學學與政策科學理論方法[C].中國科學學與科技政策研究會，2014：5.

80.謝湘寧.淺談數(shù)據(jù)挖掘技術(shù)在專利信息分析中的應用[J].中國發(fā)明與專利，2015（1）：59-62.

81.屈鵬,張均勝,曾文，等.國內(nèi)外專利挖掘研究（2005—2014）綜述[J].圖書情報工作，2014（20）：131-137.

82.袁冰,朱東華,任智軍.基于數(shù)據(jù)挖掘技術(shù)的專利情報分析方法及實證研究[J].情報雜志，2006（12）：99-102.

83.Tseng Y, Lin C, Lin Y. Text mining techniques for patent analysis[J]. Information Processing and Management, 2007, 43（5）：1216-1247.

84.韓紅旗,朱東華,汪雪峰.專利技術(shù)術(shù)語的抽取方法[J].情報學報，2011, 30（12）：1280-1285.

85.徐川,施水才,房祥,等.中文專利文獻術(shù)語抽取[J].計算機工程與設(shè)計，2013, 34（6）：2175-2179.

86. Li Y, Wang LH, Hong CF. Extracting the significant rare keywords for patent analysis[J]. Expert Systems with Applications,2009, 36（3）：5200-5204.

87.屈鵬,王惠臨.面向信息分析的專利術(shù)語抽取研究[J].圖書情報工作，2013（1）：130-135.

88.楊雙龍,呂學強,李卓,等.中文專利文獻術(shù)語自動識別研究[J].中文信息學報，2016（3）：111-117.

89. Altshuller GS. Creativity as an exact science： the theory of the solution of invention problem[M]. New York： Cordon and Breach Science Publishers, 1984.

90.李欣,王靜靜,楊梓,等.基于SAO結(jié)構(gòu)語義分析的新興技術(shù)識別研究[J].情報雜志，2016（3）：80-84.

91. Choi S, Park H, Kang D, et al. An SAO-based text mining approach to building a technology tree for technology planning[J].EXPERT SYSTEMS WITH APPLICATIONS, 2012, 39（13）：11443-11455.

92. Yang C, Zhu D, Wang X. SAO Semantic Information Identification for Text Mining[J]. INTERNATIONAL JOURNAL OF COMPUTATIONAL INTELLIGENCE SYSTEMS, 2017, 10（1）：593-604.

93.張曉宇.基于文本挖掘的交互式專利分類[J].高技術(shù)通訊，2013（6）：592-597.

94.屈鵬,王惠臨.專利文本分類的基礎(chǔ)問題研究[J].現(xiàn)代圖書情報技術(shù)，2013（3）：38-44.

95.張世玉,王偉,于躍,等.基于文本挖掘技術(shù)的技術(shù)層面專利組合分析方法優(yōu)化[J].情報理論與實踐，2015（10）：127-129.

96. Chen Y, Chang Y. A three-phase method for patent classification[J]. Information Processing and Management, 2012, 48（6）：1017-1030.

97. Trappey AJC, Hsu F, Trappey CV, et al. Development of a patent document classification and search platform using a back propagation network[J]. Expert Systems with Applications, 2006, 31（4）：755-765.

98.梁艷紅,檀潤華,馬建紅.面向產(chǎn)品創(chuàng)新設(shè)計的專利文本分類研究[J].計算機集成制造系統(tǒng)，2013（2）：382-390.

99.魯麒,任工昌,李平平,等.基于TRIZ理論的中文專利文本挖掘模型的構(gòu)建[J].情報科學，2014（10）：28-32.

100. Loh H, He C, Shen LX. Automatic classification of patent documents for TRIZ users[J]. World Patent Information, 2006, 28（1）：6-13.

101. He C, Loh H. Pattern oriented associative rule based patent classification[J]. Expert Systems with Applications, 2010, 37（3）：2395-2404.

102.許海云,董坤,劉春江,等.文本主題識別關(guān)鍵技術(shù)研究綜述[J].情報科學，2017（1）：153-160.

103.侯婷,呂學強,李卓,等.面向?qū)＠夹g(shù)主題分析的技術(shù)主題獲取[J].情報理論與實踐，2015（5）：125-129.

104.郝智勇,賀明科,譚文堂,等.基于多維標度法的專利文本可視化聚類研究[J].計算機應用研究，2010（12）：4608-4611.

105. Tseng YH, Lin CJ, Lin YI. Text Mining Techniques for Patent Analysis[J]. Information Processing and Management, 2007,43（5）：1216-1247.

106. 王效岳,趙冬曉,白如江.基于專利文本數(shù)據(jù)挖掘的技術(shù)預測方法與實證研究——以納米技術(shù)在能源領(lǐng)域應用為例[J].情報理論與實踐，2017（4）：106-110.

107. Kim YG, Suh JH, Park SC. Visualization of Patent Analysis for Emerging Technology[J]. Expert Systems with Applications, 2008,34（3）：1804-1812.

108. Chen SH, Huang MH, Chen DZ. Identifying and Visualizing Technology Evolution： A Case Study of Smart Grid technology[J]. Technological Forecasting and Social Change, 2012,79（6）：1099-1110.

109. Han YJ. Analysis of Competing Technologies and Firms in a Convergence Industry by Using Patent Information： The Case of Telematics[J]. Portland International Conference on Management of Engineering and Technology, 2007（8）：259-262.

110.黃魯成,張靜.基于專利分析的產(chǎn)業(yè)共性技術(shù)識別方法研究[J].科學學與科學技術(shù)管理，2014（4）：80-86.

111.婁巖,張賞,黃魯成,等.基于專利分析的替代性技術(shù)識別研究[J].情報雜志，2014（9）：27-32.