鄔少飛

武漢工程大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，湖北 武漢430205

專利挖掘的作用是幫助企業(yè)找到申請(qǐng)專利的創(chuàng)新點(diǎn)或技術(shù)方法，這些創(chuàng)新點(diǎn)和技術(shù)方法的來源可能是企業(yè)在日常技術(shù)研發(fā)中取得的成果［1］，對(duì)于企業(yè)而言，專利挖掘技術(shù)可以為企業(yè)保護(hù)自身的技術(shù)提供一定的方便。專利挖掘技術(shù)一方面可以滿足企業(yè)對(duì)專利保護(hù)范圍的要求，另一方面也保證了權(quán)利要求中的法律穩(wěn)定性。而且專利挖掘的優(yōu)點(diǎn)是可以立體化地對(duì)企業(yè)中具有專利申請(qǐng)價(jià)值的技術(shù)進(jìn)行搜索，進(jìn)而避免企業(yè)及相關(guān)機(jī)構(gòu)在專利保護(hù)時(shí)漏洞的產(chǎn)生，從而對(duì)企業(yè)研發(fā)出的成果進(jìn)行全面、充分、有效的保護(hù)［2］。而從企業(yè)的視角來看，專利挖掘技術(shù)可以在一定程度上幫助企業(yè)發(fā)現(xiàn)自己的重要專利和次要專利，并把重要專利和次要專利結(jié)合起來，編織成為嚴(yán)密的專利網(wǎng)［3］，幫助企業(yè)培育核心競(jìng)爭(zhēng)力。從更深的層面來講，專利挖掘作用也可以延伸到多個(gè)企業(yè)之間，專利挖掘可以幫助企業(yè)判斷同類企業(yè)是否具有有威脅的專利，如果其他企業(yè)具有有威脅的專利，則幫助企業(yè)進(jìn)行規(guī)避專利風(fēng)險(xiǎn)方案的設(shè)計(jì)，幫助企業(yè)盡可能的擁有法律權(quán)利和商業(yè)利益［4］。以挖掘目的的分類標(biāo)準(zhǔn)對(duì)數(shù)據(jù)挖掘進(jìn)行分類，可以將其分為成果保護(hù)型數(shù)據(jù)挖掘和保圍攔截型數(shù)據(jù)挖據(jù)。成果保護(hù)型數(shù)據(jù)挖掘是目前最常用的一類數(shù)據(jù)挖掘形式，其主要目的是對(duì)企業(yè)的技術(shù)研發(fā)成果進(jìn)行有效保護(hù)，綜上不難發(fā)現(xiàn)，專利挖掘是對(duì)一個(gè)企業(yè)技術(shù)創(chuàng)新力的有力保障。

目前國(guó)內(nèi)在專利方面投入的成本比較大，但是在專利信息挖掘領(lǐng)域的研究還處于初級(jí)階段，國(guó)內(nèi)外只有較少的研究者對(duì)專利信息挖掘問題進(jìn)行了研究，研究成果主要包含在專利地圖、專利分析、專利引證等相關(guān)研究?jī)?nèi)容。為解決目前國(guó)內(nèi)缺乏較為清晰的互聯(lián)網(wǎng)公開專利情報(bào)挖掘等問題，本文以全新的視角，對(duì)2016年-2020年以來互聯(lián)網(wǎng)公開專利情報(bào)挖掘領(lǐng)域的技術(shù)進(jìn)展進(jìn)行綜述，旨在提供新的途徑和方法，來為相關(guān)研究提供參考。

1 基于數(shù)據(jù)挖掘技術(shù)的專利情報(bào)分析方法研究

1.1 數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘是一個(gè)過程，這個(gè)過程的主要工作是從海量的數(shù)據(jù)中找到帶有人們事先不知道的，但事實(shí)上具有的潛在有用信息和知識(shí)的過程。數(shù)據(jù)挖掘不同于傳統(tǒng)的數(shù)據(jù)分析，數(shù)據(jù)分析的對(duì)象是明確且已知的，而數(shù)據(jù)挖掘則是在前提假設(shè)不明的情況下對(duì)信息進(jìn)行挖掘，對(duì)知識(shí)進(jìn)行發(fā)現(xiàn)，且數(shù)據(jù)挖掘得到的信息具有3個(gè)特征，其分別為未知性，有效性和可實(shí)用性這些特征也和數(shù)據(jù)分析所得到的信息的特征不一致。而基于數(shù)據(jù)挖掘技術(shù)的專利情報(bào)分析的研究對(duì)象是專利數(shù)據(jù)及網(wǎng)絡(luò)上的期刊，分析方法則是將專利情報(bào)的內(nèi)容進(jìn)行集成化，數(shù)據(jù)化的處理，再進(jìn)行加工分析，并對(duì)其中有用的信息進(jìn)行識(shí)別，使用此方法處理專利情報(bào)，易于綜合地把握大量專利信息。

1.2 專利情報(bào)分析

基于數(shù)據(jù)挖掘?qū)＠诰虻降膶＠治鲞^程包括4個(gè)階段，其中數(shù)據(jù)獲取階段一般使用網(wǎng)絡(luò)上的公開數(shù)據(jù)作為信息源；數(shù)據(jù)的預(yù)處理階段分為數(shù)據(jù)清洗、中文分詞和數(shù)據(jù)轉(zhuǎn)變。在數(shù)據(jù)重構(gòu)階段中，數(shù)據(jù)挖掘方法的數(shù)據(jù)重構(gòu)不僅只注重?cái)?shù)據(jù)的檢索收益，而且還需要得到研究主題和概念間的聯(lián)系等更深入的分析結(jié)構(gòu)。

2 專利挖掘技術(shù)研究進(jìn)展

通過對(duì)專利挖掘領(lǐng)域的相關(guān)文獻(xiàn)的研讀，檢索與歸納，將專利挖掘相關(guān)技術(shù)分為6個(gè)方面。分別為術(shù)語抽取，聚類，分類，網(wǎng)絡(luò)理論，以時(shí)間為基礎(chǔ)的數(shù)據(jù)挖掘，基于專利挖掘的技術(shù)研究。

術(shù)語抽取的含義是從技術(shù)專利中抽取關(guān)于技術(shù)的重要詞語，術(shù)語抽取也是情報(bào)挖掘的基礎(chǔ)。聚類技術(shù)被用于對(duì)專利申請(qǐng)人進(jìn)行預(yù)測(cè)和評(píng)價(jià)。是術(shù)語抽取的后一步工作。專利文本分類則被用于分類任務(wù)、專利檢索、信息分析有關(guān)的工作，也是專利挖掘中的重要工作之一。對(duì)專利文本進(jìn)行分類后的工作是專利分析，社會(huì)網(wǎng)絡(luò)分析技術(shù)和以時(shí)間為基礎(chǔ)的方法均在專利分析中得到廣泛的應(yīng)用。

2.1 術(shù)語抽取

術(shù)語抽取的研究被分為一般性抽取方法研究，錯(cuò)誤來源分析和矯正，生僻術(shù)語研究。從專利文件中抽取重要的技術(shù)短語或詞匯被稱為專利術(shù)語抽取，在一般性抽取方法研究問題上，俞琰等［5］對(duì)專利術(shù)語抽取時(shí)難以過濾及抽取特殊詞語串的問題進(jìn)行了改進(jìn)，其選取候選術(shù)語的方法是將通用詞作為選取符，再利用和候選術(shù)語有相同術(shù)語部件的相似候選術(shù)語信息，并對(duì)候選術(shù)語成為術(shù)語的可能性進(jìn)行評(píng)估。陽萍等［6］利用改進(jìn)的雙向長(zhǎng)短時(shí)記憶的標(biāo)注序列網(wǎng)絡(luò)模型，對(duì)輸入文本進(jìn)行自動(dòng)化定義抽取。Chiarello等［7］提出一種算法，該算法能夠自動(dòng)檢測(cè)和提取隱藏在專利中的實(shí)體。Jongchan等［8］提出了一種利用相關(guān)論文及其作者的關(guān)鍵詞從單個(gè)專利文獻(xiàn)中提取有效關(guān)鍵詞的方法。近幾年對(duì)錯(cuò)誤抽取的研究較少，但根據(jù)以前的研究，錯(cuò)誤主要來自于術(shù)語抽取時(shí)對(duì)術(shù)語的變化。生僻術(shù)語作為一種特殊的術(shù)語抽取研究對(duì)象，具有更高的抽取難度。研究者對(duì)生僻術(shù)語抽取的研究多停留在對(duì)用于信息檢索與數(shù)據(jù)挖掘的常用加權(quán)技術(shù)（term frequency-inverse document frequency，TF-IDF）改進(jìn)的基礎(chǔ)，王麗客等［9］提出利用遠(yuǎn)程監(jiān)督方法進(jìn)行藏文實(shí)體關(guān)系抽取，其利用已經(jīng)構(gòu)建的藏文知識(shí)庫與分段卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，加入語言模型和注意力機(jī)制來改善語義歧義問題以及學(xué)習(xí)句子的信息，在訓(xùn)練過程中加入聯(lián)合得分函數(shù)來動(dòng)態(tài)修正錯(cuò)誤標(biāo)簽問題。實(shí)驗(yàn)結(jié)果表明改進(jìn)的模型有效提高了藏文實(shí)體關(guān)系抽取的準(zhǔn)確率，且優(yōu)于基線模型效果。

以術(shù)語抽取研究為例，算法構(gòu)建只占術(shù)語抽取研究的一少半工作，更重要的工作是采用合適的實(shí)驗(yàn)對(duì)算法進(jìn)行驗(yàn)證，例如構(gòu)建標(biāo)準(zhǔn)答案的合集。但目前在術(shù)語抽取領(lǐng)域，針對(duì)生僻術(shù)語識(shí)別的標(biāo)準(zhǔn)答案合集非常少見。這導(dǎo)致了一部分有關(guān)偏僻術(shù)語抽取的研究不符合文本挖掘研究的規(guī)范，也成為了制約這一領(lǐng)域發(fā)展的重要因素之一。

2.2 基于聚類算法的專利挖掘

聚類算法可以分為兩個(gè)大的方向。一個(gè)方向?yàn)榫垲惙椒ǎ硪粋€(gè)方向?yàn)橥ㄟ^聚類對(duì)技術(shù)或?qū)＠暾?qǐng)人進(jìn)行預(yù)測(cè)或評(píng)價(jià)。常用的聚類方法有層次聚類、k-means聚類最大最小模塊化神經(jīng)網(wǎng)絡(luò)和自組織分析。本文以層次聚類和k-means聚類為代表來說明文中所提到的幾種聚類方法的區(qū)別，kmeans聚類算法的工作流程是任意選取k個(gè)樣本點(diǎn)作為k個(gè)簇的原始中心；計(jì)算每一樣本點(diǎn)與k個(gè)中心的距離，并把它歸入距離最小中心所在的簇。待所有的樣本點(diǎn)歸類完成后，重新計(jì)算k個(gè)簇中心；對(duì)上述的流程進(jìn)行重復(fù)，直至簇不再變動(dòng)。層次聚類法的原理更為簡(jiǎn)單，層次聚類法的基本過程可以分為3步，將每一個(gè)樣本點(diǎn)視為一個(gè)簇，計(jì)算各個(gè)簇之間的距離，將距離最小的兩個(gè)簇合成一個(gè)新簇。重復(fù)上述過程直至只有一簇。聚類方法常被用于建立工藝沖突矩陣，尋找工藝沖突，其工作流程的第一步是對(duì)工藝專利進(jìn)行分類處理并建立工藝問題庫和工藝問題解決方案庫，然后利用特征詞提取算法對(duì)專利文本進(jìn)行工藝沖突參數(shù)的挖掘，再利用核聚類算法進(jìn)行工藝沖突和工藝沖突解決原理的挖掘，建立工藝沖突矩陣。目前該領(lǐng)域的相關(guān)研究文獻(xiàn)較少。

在通過聚類對(duì)技術(shù)或?qū)＠暾?qǐng)人進(jìn)行預(yù)測(cè)或評(píng)價(jià)的研究方向上。艾楚涵等［10］利用文本挖掘的專利推薦方法幫助用戶從數(shù)量龐大的專利中找到用戶感興趣的專利并進(jìn)行推薦。陳偉等［11］提出了一種基于專利文獻(xiàn)分析的關(guān)鍵共性技術(shù)識(shí)別框架，運(yùn)用文本挖掘和技術(shù)演化分析方法，獲取特定領(lǐng)域的關(guān)鍵共性技術(shù)，并在機(jī)器人和數(shù)控機(jī)床上驗(yàn)證了算法的可行性和有效性。聚類方法也可以用于建立功能矩陣，Yang等［12］提出了一種半自動(dòng)化的方法來建立某個(gè)給定領(lǐng)域的功能矩陣，目的是提高構(gòu)建功能矩陣的效率，降低人力成本和時(shí)間成本。

2.3 基于分類算法的專利挖掘

專利文本分類可以分為四大研究主題，其分別為：①分類器對(duì)《國(guó)際專利分法》的適應(yīng)性問題；②與應(yīng)用領(lǐng)域相結(jié)合的專利分類、專利檢索和信息分析等任務(wù)；③由于專利的特征來源不同，因此存在著一定的效果差異，有目標(biāo)性地對(duì)專利文本中的特征進(jìn)行選擇也是一項(xiàng)很重要的任務(wù)；④與發(fā)明問題解決理論（teoriya resheniya izobreatatelskikh zadatch，TRIZ）結(jié)合的分類問題。

針對(duì)信息增益算法只能考察特征對(duì)整個(gè)系統(tǒng)的貢獻(xiàn)，忽略特征對(duì)單個(gè)類別信息貢獻(xiàn)的問題上，胡云青等［13］針對(duì)傳統(tǒng)專利自動(dòng)分類中訓(xùn)練集標(biāo)注瓶頸問題，提出基于改進(jìn)三體訓(xùn)練算法的半監(jiān)督分類方法。Arts等［14］則建議采用文本匹配的方法來衡量專利間技術(shù)的相似性。Mun等［15］提出一種新的技術(shù)方法，該方法利用專利共分類和分類層次的特征，對(duì)技術(shù)領(lǐng)域（technological domain，TD）內(nèi)的不同技術(shù)層次的子TD進(jìn)行識(shí)別，并利用太陽能光伏技術(shù)領(lǐng)域的專利對(duì)算法進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果證明算法識(shí)別出的sub-TDs是有效的。在和實(shí)際應(yīng)用相結(jié)合方面，在有目標(biāo)性的對(duì)專利文本中的特征進(jìn)行選擇的研究問題中，馬建紅等［16］從大數(shù)據(jù)的角度提出一種專利挖掘與效應(yīng)對(duì)關(guān)系的方法，其利用長(zhǎng)短期記憶網(wǎng)絡(luò)及帶有Attention機(jī)制的Bi-LSTM相結(jié)合構(gòu)成模型，并利用Soft max模型分類器進(jìn)行分類并得到專利的專屬效應(yīng)。實(shí)驗(yàn)結(jié)果證明，模型準(zhǔn)確有效。TRIZ是一種框架，用來解決發(fā)明問題。它和prior art search為基礎(chǔ)的專利研究不太相同。在發(fā)明問題解決理論 結(jié)合的分類問題上，胡學(xué)鋼等［17］提出了一種基于協(xié)同過濾的專利TRIZ分類方法來提高系統(tǒng)分類精度與效率。Liu［18］提出了一個(gè)基于經(jīng)典TRIZ和專利文本的技術(shù)創(chuàng)新模型，來彌補(bǔ)裝備研制方面缺乏理論和技術(shù)指導(dǎo)的不足。作者首先利用結(jié)構(gòu)方程方法識(shí)別經(jīng)典TRIZ與專利文本之間的耦合關(guān)系提出了一種基于經(jīng)典TRIZ和專利文本的產(chǎn)品創(chuàng)新模型，并利用帶冷卻系統(tǒng)的大功率潛水泵模型進(jìn)行了驗(yàn)證。

在專利挖掘領(lǐng)域的研究者中有一個(gè)普遍存在的問題，即重視應(yīng)用方法，忽視提出問題，以分類研究為例，絕大多數(shù)的研究方法是將專利數(shù)據(jù)用在已經(jīng)存在或稍微改動(dòng)的算法上，得到一個(gè)實(shí)驗(yàn)結(jié)果即可。這種不明確解決問題的做法導(dǎo)致了相當(dāng)多的研究?jī)H停留在利用聚類算法或復(fù)雜神經(jīng)網(wǎng)絡(luò)來處理專利數(shù)據(jù)的層面上。在專利挖掘領(lǐng)域還存在一個(gè)常見的問題，即在解決復(fù)雜的課題時(shí)，例如在專利分類問題時(shí)，在復(fù)雜的分類情況出現(xiàn)時(shí)，現(xiàn)有技術(shù)下構(gòu)造的分類器難以取得理想的效果。此外較多的深度學(xué)習(xí)算法也未被運(yùn)用到專利挖掘領(lǐng)域中來。

2.4 以復(fù)雜網(wǎng)絡(luò)為基礎(chǔ)的方法的專利分析技術(shù)

以復(fù)雜網(wǎng)絡(luò)為基礎(chǔ)的專利分析方法在研究中得到廣泛應(yīng)用，Ampornphan和Tongngam［19］等利用k均值聚類、文本挖掘和關(guān)聯(lián)規(guī)則挖掘方法與社會(huì)網(wǎng)絡(luò)分析方法來獲取新興技術(shù)的知識(shí)，并從國(guó)際專利分類（international patent classiftcation，IPC）代碼和專利標(biāo)題數(shù)據(jù)中發(fā)現(xiàn)信息技術(shù)的發(fā)展趨勢(shì)。Li等［20］提出了一種基于社會(huì)網(wǎng)絡(luò)分析（social network analysis，SNA）和專利分析的定量比較方法來選擇類比技術(shù)，并利用中心性和密度度量分析了復(fù)雜專利網(wǎng)絡(luò)結(jié)構(gòu)，以減少信息缺乏或不確定性的存在。作者以自動(dòng)駕駛汽車（autonomous vehicles，AVs）為例，比較了3種基于目標(biāo)技術(shù)相似性的候選技術(shù)，并用平均度和密度的分析來選擇最佳候選技術(shù)。Hu等［21］根據(jù)我國(guó)造船和海洋工程裝備產(chǎn)業(yè)的現(xiàn)狀，將造船產(chǎn)業(yè)分為3類：通用造船產(chǎn)業(yè)、專用造船產(chǎn)業(yè)和海洋工程裝備產(chǎn)業(yè)，并利用Patsnap專利搜索平臺(tái)，分析了中國(guó)3種類型船舶工業(yè)的專利趨勢(shì)、關(guān)鍵技術(shù)分支和關(guān)鍵申請(qǐng)人分布情況。根據(jù)分析結(jié)果，提出相應(yīng)的政策策略，為企業(yè)準(zhǔn)確把握未來發(fā)展方向，規(guī)避專利風(fēng)險(xiǎn)提供參考。Juhwan等［22］提出一種統(tǒng)計(jì)方法來分析人工智能技術(shù)的專利數(shù)據(jù)，便于研究者對(duì)人工智能領(lǐng)域可持續(xù)技術(shù)的理解。

2.5 以時(shí)間為基礎(chǔ)的方法

以時(shí)間為基礎(chǔ)的方法在專利分析的研究中得到廣泛應(yīng)用，梁凱桐等［23］以公開生物醫(yī)藥行業(yè)專利庫作為數(shù)據(jù)庫為研究對(duì)象，通過申請(qǐng)概況、主要申請(qǐng)人、合作申請(qǐng)這3個(gè)角度，分析化橘紅中藥專利及申請(qǐng)人申請(qǐng)現(xiàn)狀。魏紅芹等［24］提出關(guān)于一套結(jié)構(gòu)化的技術(shù)融合分析方法。利用產(chǎn)業(yè)與專利的映射關(guān)系，構(gòu)建不同技術(shù)領(lǐng)域間知識(shí)流動(dòng)矩陣；從技術(shù)溢出、技術(shù)影響兩個(gè)維度構(gòu)建技術(shù)融合趨勢(shì)圖，刻畫出4種不同的技術(shù)融合類型，并通過時(shí)間序列分析技術(shù)融合的動(dòng)態(tài)過程。以國(guó)家知識(shí)產(chǎn)權(quán)局新能源汽車專利數(shù)據(jù)為例，驗(yàn)證了方法的可行性，發(fā)現(xiàn)技術(shù)融合過程存在明顯的技術(shù)鄰近性，并且技術(shù)融合角色呈現(xiàn)動(dòng)態(tài)變化。

2.6 基于專利挖掘的技術(shù)研究

專利和技術(shù)存在密切的關(guān)系，一些研究者把關(guān)注點(diǎn)聚焦于通過專利挖掘的技術(shù)途徑來研究技術(shù)發(fā)展的現(xiàn)狀和未來可能會(huì)呈現(xiàn)的趨勢(shì)［25］。針對(duì)這一問題，研究者通常采取的解決方法是采用共類構(gòu)建網(wǎng)絡(luò)的方法，構(gòu)建專利組合，并將構(gòu)建的專利組合用于檢測(cè)競(jìng)爭(zhēng)，技術(shù)評(píng)估和研發(fā)組合等相關(guān)技術(shù)問題上。Madani等［26］對(duì)Web of science數(shù)據(jù)庫中抽取的143篇論文利用文獻(xiàn)計(jì)量學(xué)進(jìn)行分析，推演出專利分析與挖掘領(lǐng)域的發(fā)展歷程，并對(duì)專利挖掘領(lǐng)域里的人才進(jìn)行了研究。Lin等［27］利用新聞信息和專利文件提取信息來識(shí)別帶有新興技術(shù)專利的公司，來判斷公司是否具有增長(zhǎng)潛力。作者采用臺(tái)灣18家汽車產(chǎn)業(yè)供應(yīng)鏈公司作為研究對(duì)象，采用數(shù)據(jù)包絡(luò)分析的生產(chǎn)率指數(shù)來評(píng)估其隨時(shí)間的相對(duì)性能增長(zhǎng)，實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的準(zhǔn)確性。專利的分析與使用算法出現(xiàn)年份圖如圖1所示。

圖1 專利的分析與使用算法出現(xiàn)年份圖Fig.1 Year chart of patent analysis and algorithm application

總體來說專利挖掘領(lǐng)域經(jīng)過近20年的迅速發(fā)展，出現(xiàn)了多種有效的算法，但這些算法也存在著不完善的地方急需解決［28］。這些不完善的地方可以概括為4點(diǎn)：1）無充足的實(shí)驗(yàn)驗(yàn)證；2）研究問題的界限不明確；3）在復(fù)雜問題的研究中，算法的精確度不高；4）未將新穎度較高的人工神經(jīng)網(wǎng)絡(luò)用在專利挖掘領(lǐng)域中來。

3 總結(jié)與展望

對(duì)專利情報(bào)研究中的已有技術(shù)總結(jié)如下：

從專利分析和專利使用的角度對(duì)專利挖掘技術(shù)進(jìn)行研究發(fā)現(xiàn)：在基礎(chǔ)、確定性課題，描述、評(píng)估性課題，探索、預(yù)測(cè)性課題上的專利分析可以給專利使用以一定的支持。基礎(chǔ)、確定性課題主要使用專利挖掘研究中一直重視的課題術(shù)語抽取和自動(dòng)分類。這個(gè)方法也是專利挖掘問題的熱點(diǎn)研究領(lǐng)域。聚類，以時(shí)間為基礎(chǔ)的方法主要用于探索、預(yù)測(cè)性的課題的研究。目前專利分析的不同領(lǐng)域都有支持的專利挖掘技術(shù)，但這些專利挖掘技術(shù)也存在著一定的缺陷，仍需要對(duì)其進(jìn)行改進(jìn)。

對(duì)專利情報(bào)研究中的新技術(shù)發(fā)展趨勢(shì)進(jìn)行如下總結(jié)：

1）基于智能語義的專利文本檢索。原始的專利檢索過程常伴隨著難檢索，檢索速度慢，無法閱讀其他語言的問題，而人工智能技術(shù)構(gòu)建的語義檢索設(shè)備就能有效的解決以上問題。

2）基于多種數(shù)據(jù)融合的專利數(shù)據(jù)重構(gòu)與處理。一般而言專利數(shù)據(jù)具有數(shù)據(jù)量大，數(shù)據(jù)類型雜，更新快的特點(diǎn)，而研究者正在利用云平臺(tái)整合全球的專利數(shù)據(jù)資源，建立相應(yīng)的分析中心，為未來開展更深層次的專利數(shù)據(jù)分析提供數(shù)據(jù)和計(jì)算基礎(chǔ)。

3）基于關(guān)聯(lián)分析、語義分析和預(yù)測(cè)分析的專利大數(shù)據(jù)挖掘。相比于數(shù)據(jù)分析而言，大數(shù)據(jù)具有先知性、有效性和可實(shí)用性的特點(diǎn)，未來可以借助大數(shù)據(jù)分析工具和數(shù)據(jù)挖據(jù)算法對(duì)專利數(shù)據(jù)，經(jīng)濟(jì)數(shù)據(jù)，互聯(lián)網(wǎng)數(shù)據(jù)等多來源數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，實(shí)現(xiàn)對(duì)數(shù)據(jù)的深層解讀，自動(dòng)化生成各類專利報(bào)告。

相信在將來的專利情報(bào)分析工作中，會(huì)出現(xiàn)越來越多的數(shù)據(jù)分析工具，會(huì)出現(xiàn)專業(yè)的專利分析預(yù)警平臺(tái)，一方面使得專利情報(bào)分析工作的自動(dòng)化和智能化程度更高，另一方面降低專利分析的門檻，吸引更多非專業(yè)人員從事專利情報(bào)分析工作。