序
前言
章 专利技术挖掘概述 1
1.1 引言 1
1.1.1 技术挖掘 1
1.1.2 专利技术挖掘 2
1.2 典型应用场景 3
1.2.1 专利技术演化分析 3
1.2.2 专利自动分类 6
1.. 专利技术挖掘应用场景 8
1.3 存在的问题和挑战 11
第2章 专利技术信息知识表示与知识组织 13
2.1 专利技术信息知识表示相关技术 13
2.1.1 专利分类号 13
2.1.2 专利本体 17
2.1.3 向量空间模型 18
2.1.4 比较分析 19
2.2 TRIZ理论 20
2.2.1 TRIZ理论的形成 20
2.2.2 TRIZ的基本概念 20
2.. TRIZ的体系结构 22
2.2.4 TRIZ的发展及应用 25
2.2.5 面向TRIZ的专利技术挖掘 27
. 语义TRIZ 27
..1 语义TRIZ诞生的背景 27
..2 语义TRIZ的关键概念 28
.. 语义TRIZ的关键技术 29
..4 语义TRIZ的典型应用——Goldfire 29
..5 现状与挑战 32
第3章 语义TRIZ体系结构与构建方法 35
3.1 专利文献著录项技术特征分析 35
3.1.1 专利文献技术信息著录项介绍 35
3.1.2 专利文献技术信息著录项的局限 37
3.2 语义TRIZ的体系结构研究 37
3.2.1 知识组织视角下语义TRIZ的技术维度分析 37
3.2.2 情报分析视角下语义TRIZ的数据空间划分 39
3.. 语义TRIZ的体系结构 41
3.3 语义TRIZ的构建方法研究 44
3.3.1 角色分析 44
3.3.2 概念空间语义TRIZ的构建 44
3.3.3 索引空间语义TRIZ的构建 52
3.3.4 应用空间语义TRIZ的构建 55
第4章 语义TRIZ关键技术分析 57
4.1 SAO抽取技术 57
4.1.1 数据预处理 58
4.1.2 SAO抽取 58
4.1.3 数据解析及规范 58
4.2 SAO清洗技术 59
4.2.1 关键词清洗 59
4.2.2 谓语清洗 61
4.. 遴选核心SAO 61
4.3 SAO降维技术 61
4.3.1 主题模型 61
4.3.2 语义相似度 64
4.3.3 特征降维技术 65
4.4 SAO语义网络技术 66
4.4.1 SAO全局语义网络构建 66
4.4.2 SAO语义网络挖掘 68
第5章 基于语义TRIZ的专利自动分类研究 71
5.1 专利自动分类流程、方法和关键技术 71
5.1.1 分类特征项 72
5.1.2 分类模型训练 75
5.2 LAOE领域面向TRIZ的专利自动分类 76
5.2.1 LAOE领域语义TRIZ构建 76
5.2.2 LAOE领域分类特征的选择 85
5.. LAOE领域分类模型的训练 86
5.2.4 LAOE领域专利的分类结果 87
5.2.5 分类结果的具体应用 88
5.3 基于语义TRIZ的专利自动分类体系优点 90
第6章 基于语义TRIZ的专利技术演化研究 92
6.1 专利技术演化分析方法 92
6.1.1 中观层技术主题间层级关系分析 92
6.1.2 微观层P&S模式间语义关系挖掘 94
6.2 GSEN领域语义TRIZ的构建 97
6.2.1 SAO的自动抽取与数据清洗 98
6.2.2 中观层技术主题的构建 99
6.3 中观层技术主题演化分析 101
6.3.1 技术问题语义类型的技术主题演化分析 101
6.3.2 技术方案语义类型的技术主题演化分析 105
6.4 微观层P&S模式技术演化分析 108
6.4.1 P&S模式构建 108
6.4.2 P&S模式间语义关系挖掘 111
6.4.3 P&S模式全景式技术演化分析 114
6.5 基于语义TRIZ的专利技术演化优点分析 115
6.5.1 全面展示技术演化 115
6.5.2 辅挖掘P&S模式间语义关系 116
第7章 基于语义TRIZ的领域专利技术挖掘系统 118
7.1 面向TRIZ的专利技术挖掘工具现状分析 118
7.2 领域专利技术挖掘系统介绍 119
7.2.1 DPTMS的体系结构 120
7.2.2 DPTMS的关键技术 1
7.. DPTMS的功能模块 128
7.3 基于DPTMS的专利技术挖掘实践 134
7.3.1 大口径光学元件专利技术挖掘实践 134
7.3.2 超导专利技术挖掘实践 136
7.3.3 氨基酸专利技术挖掘实践 138
7.4 DPTMS的优点与不足 141
参考文献 143
附录 156
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
