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

1、專利信息資源是首選的競爭情報資源，它蘊(yùn)含著巨大的知識存量。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，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)時費(fèi)力。 國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，語種局限性很大；國內(nèi)還沒有針對本國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，但都沒提供針對專利無結(jié)構(gòu)數(shù)據(jù)的分析功

2、能。因此，本文以中國大陸地區(qū)專利為研究對象，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專利庫中，一般的信息采集技術(shù)僅能獲取公開可索引的數(shù)據(jù)，而無法深入Web后臺數(shù)據(jù)庫中提取信息。因此，采用包裝器模型，設(shè)計(jì)開發(fā)專利信息的采集系統(tǒng)。規(guī)則庫是包裝器模型中最為關(guān)鍵部分，本文采用人工解析網(wǎng)頁方式創(chuàng)建規(guī)則庫，同時利用VC＃中的Webbrowser控件調(diào)用規(guī)則庫，自動解析網(wǎng)頁提取數(shù)據(jù)。在信息采集過程中，由于網(wǎng)絡(luò)的不穩(wěn)定，會造成

3、采集的信息不完整、采集進(jìn)度難以控制，因此采用了定時刷新機(jī)制、網(wǎng)頁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，以解決沒有控制機(jī)制的多線程程序容易陷入死鎖的問題。 對文本進(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、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別方法和新詞釋義方法。在此過程中，涉及頻繁的詞典訪問，詞典數(shù)據(jù)結(jié)構(gòu)選取的好