基于专利挖掘的技术预见方法及其应用

发布时间：2020-04-30 06:23

【摘要】：随着技术更新换代的加快,研发难度、风险和成本的增加,各组织机构都需要思考如何将有限的资源优先集中于最具有研发价值的领域,技术预见作为解决该问题的有效途径,得到了越来越广泛的重视。Brock-hoff~([1])指出专利文献囊括了全世界每年90%~95%的最新科研成果,包含着与创新意图和技术发展相关的规范化数据,并且可以自由地利用,可以成为衡量创新焦点和方向的有效工具。本文以专利大数据为挖掘对象,提出了一种更有效的基于专利挖掘的技术预见方法,该方法结合IPC分类体系的应用领域信息和专利文本结构及功能信息构建专利相似度度量模型,在微观层面的专利文本结构及功能信息表示方法上,本文提出了一种基于SAO链的专利文本结构功能表示模式,用来完整地呈现专利文本的结构及功能信息;基于构建的专利相似度度量模型进行专利的相似度计算,基于得到的专利相似度矩阵绘制专利网络和专利地图,通过专利网络分析技术发展演化路径,并结合TRIZ理论对其未来趋势进行分析,通过研读专利地图中的技术空位识别出潜在的技术机遇,最后综合所有分析结果进行技术预见成果提炼。本文提出的基于SAO链的专利文本结构功能表示模式能够完整地呈现专利文本的结构功能信息,弥补了现有的专利挖掘方法注重描述的语言而忽略了专利的完整结构和功能信息的不足,此外本文的专利相似度度量模型综合考虑了宏观的应用领域和微观的文本结构功能信息,能够得到更有效的专利相似度度量结果,确保了后续分析的有效性和可靠性。最后,将本文所提出的方法应用于工业机器人领域开展实证研究,对工业机器人领域的技术发展路径、未来趋势以及潜在机遇进行了分析和总结,挖掘出了控制、编程、传感、通讯、移动、交互、形态结构及作业模式八个方向的发展路径及未来方向,识别出了共融工业机器人系统、软件专用化与通用化、智能感知与智能学习、云服务工业机器人以及硬件模块化、可重构、微型化五个潜在的技术机遇,并结合预见结果对我国工业机器人的未来发展提出了相应的对策和建议。
【图文】：

数据存储,表格,专利,结构语义

第三章基于专利挖掘的技术预见基础格式对提取结果进行人工修正，主要是对不完整的 SAO 结构进行修正，并删除噪音项。为了后续数据操作的便利性，本文将原始的专利文本和最终提取并筛选后的 SAO数据导入到 MySQL 数据库中，表格设计如下图所示。其中表格 Table_Patent 保存了专利文本的原始数据，表格 Table_SAO 存储提取的 SAO 结构，表格 Table_SAO_T，Table_SAO_S，Table_SAO_F 和 Table_SAO_E 是在表格 Table_SAO 的基础上对 SAO 结构语义进行分类所形成的四张表格，如图 3-4 所示。

链式结构,基本的,类型

图 4-1 三种基本的 SAO 链式结构类型上三种基本的 SAO 链式结构为最小单元，每一个专利文本的所有 SAO 结一定的规则连接在一起，构成错综复杂的 SAO 网状结构。AO 链识别过程利文本可以看做是多个 SAO 结构的集合体1 2{SAO ,SAO ,...,SAO }nP ，单先连接成上图所示三类基本的链式结构 S/S，A/A，S/O，基本链式结构再接规则连接成错综复杂的二维网状结构。对错综复杂的二维网状结构进行会非常复杂，一个可行的解决方案是首先根据语义类型对 SAO 结构进行那些描述专利内容所包含的结构及功能信息相关的 SAO 进行链式结构的三章给出的 SAO 结构语义分类方法，按照主题 T，，方案 S，功能 F，效果 {T ,S,F,E}对提取的 SAO 结构进行清洗和分类，将主题 T、方案 S 和功结构挑选出来，用来构建 SAO 链结构挖掘并完整地呈现专利文本的结
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F204

【参考文献】