專利信息采集及分析系統(tǒng)設(shè)計(jì)與開(kāi)發(fā).pdf

1、專利信息資源是首選的競(jìng)爭(zhēng)情報(bào)資源，它蘊(yùn)含著巨大的知識(shí)存量。充分挖掘和利用專利信息有助于技術(shù)人員改進(jìn)現(xiàn)有技術(shù)，發(fā)現(xiàn)新的技術(shù)領(lǐng)域。然而當(dāng)前專利數(shù)量急劇增長(zhǎng)，依靠人工手段尋找有用專利信息，并進(jìn)行快速有效的專利分析，猶如大海撈針般費(fèi)時(shí)費(fèi)力。 國(guó)際上專利信息采集及分析的研究和相關(guān)軟件很多，但大多數(shù)只關(guān)注英文專利，語(yǔ)種局限性很大；國(guó)內(nèi)還沒(méi)有針對(duì)本國(guó)專利的專利信息采集軟件；在專利分析方面已經(jīng)有很多研究成果，但都沒(méi)提供針對(duì)專利無(wú)結(jié)構(gòu)數(shù)據(jù)的分析功

2、能。因此，本文以中國(guó)大陸地區(qū)專利為研究對(duì)象，研究專利信息的采集及分析技術(shù)。 考慮到專利信息深藏于Web專利庫(kù)中，一般的信息采集技術(shù)僅能獲取公開(kāi)可索引的數(shù)據(jù)，而無(wú)法深入Web后臺(tái)數(shù)據(jù)庫(kù)中提取信息。因此，采用包裝器模型，設(shè)計(jì)開(kāi)發(fā)專利信息的采集系統(tǒng)。規(guī)則庫(kù)是包裝器模型中最為關(guān)鍵部分，本文采用人工解析網(wǎng)頁(yè)方式創(chuàng)建規(guī)則庫(kù)，同時(shí)利用VC＃中的Webbrowser控件調(diào)用規(guī)則庫(kù)，自動(dòng)解析網(wǎng)頁(yè)提取數(shù)據(jù)。在信息采集過(guò)程中，由于網(wǎng)絡(luò)的不穩(wěn)定，會(huì)造成

3、采集的信息不完整、采集進(jìn)度難以控制，因此采用了定時(shí)刷新機(jī)制、網(wǎng)頁(yè)下載完成事件及多線程機(jī)制等解決方案。此外還設(shè)計(jì)了線程調(diào)度中心，以解決沒(méi)有控制機(jī)制的多線程程序容易陷入死鎖的問(wèn)題。 對(duì)文本進(jìn)行聚類分析，是專利分析的有效手段。本文探討了基于文本聚類的專利信息分析技術(shù)。發(fā)明和實(shí)用新型等專利文獻(xiàn)文辭冗長(zhǎng)、文字晦澀，因此，首先研究專利詞匯處理技術(shù)，提出了基于則的新詞識(shí)別方法和新詞釋義方法。在此過(guò)程中，涉及頻繁的詞典訪問(wèn)，詞典數(shù)據(jù)結(jié)構(gòu)選取的好