面向TRIZ理論的深度知識獲取及應用研究.pdf

1、傳統(tǒng)的產品設計過程對概念設計階段創(chuàng)新力不足，設計人員往往由于自身單一的專業(yè)知識很難產生真正創(chuàng)新的產品。TRIZ理論雖然能夠指導設計人員創(chuàng)新，但在實際應用中不易被完全掌握。專利是產品創(chuàng)新的主要知識資源，但是傳統(tǒng)專利庫中包含了不計其數的專利文件，且是以學科作為分類基礎的，難以被設計人員查找和利用。因此按照TRIZ理論相關知識提取、重組以及分析，以及對已有知識庫的擴充和更新有利于TRIZ理論的實際應用和自身完善，從創(chuàng)新理論的角度上輔助人們掌握

2、創(chuàng)新設計的普遍規(guī)律，在類比以往成功案例的基礎上激發(fā)設計人員的發(fā)散思維是非常有意義的。
　　提出了基于TRIZ理論的深度知識獲取模型。該模型是以TRIZ理論為基礎，采用數據挖掘技術為手段，利用中文專利文獻資源來獲取深度知識的。專利的深度知識獲取研究有助于專利知識跨學科應用和知識發(fā)現(xiàn)與重用研究，以及TRIZ理論由理論的高度變成被普通設計者接受的一般的理解并實際應用過程的探索。
　　論文按照基于TRIZ理論中文專利深度知識獲取模型

3、的各子模塊的實現(xiàn)方法和關鍵技術進行論述，包括以下幾個部分:專利文本抽取模塊、文本分類器模塊和深度知識挖掘模塊。
　　首先，專利文本抽取模塊介紹了如何在國家知識產權局這樣的網頁中獲取所需要的專利庫信息，并將之保存到數據庫當中。專利文本抽取是整個知識挖掘過程的前提，如果不能正確抽取所需要的專利和基本信息，就無法構建專利庫，進行下一步的分析，因此，本模塊的研究對于后續(xù)的研究至關重要。
　　其次，文本分類器模塊主要實現(xiàn)了對專利文本的

4、分類過程。將從人工分類和計算機分類兩個方面闡述專利分類的原理及過程。人工輔助專利分類是建立在人工仔細閱讀專利說明書的基礎上進行的，要求分類人員掌握一定的TRIZ知識和相關的領域知識。而計算機分類的對象都是專利文檔部分，既能基本上代替專利全文的基本內容，而且對于計算機計算的難度大大簡化，對于分類器在測試階段是非常簡便和實用的。本模塊的專利分類主要是指運用發(fā)明原理為分類背景對專利進行分類和分析的。
　　再次，深度知識挖掘模塊主要利用了