欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019100532294
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种核心专利挖掘方法,其特征在于,主要包括以下步骤:

步骤一:基于网络爬虫方法建立专利数据库,并利用网络爬虫在所述专利数据库中提取目标领域的专利文档集作为核心专利挖掘的源数据;

步骤二:基于文档主题生成模型提取所述专利文档集中所有专利文档的主题集;具体包括:S1:对所述专利文档集进行预处理,并形成分词集,设置所选分词集的大小为n,定义分词的重要性分数为分词出现的频率与分词的互信息值的乘积,根据分词的重要性分数选取前n个重要分词,形成分词集V={w1,w2,…,wn},并统计每个分词出现的次数;

S2:基于文档主题生成模型,从所述专利文档集中提取K个专利文档的主题集Z={z1,z2,…,zK},其中,每个主题zi可视为分词集V的概率分布p(w|zk)w∈v,每一个专利文档d可视为主题集Z的概率分布p(zk|d)k∈{1,…,K};

步骤三:基于所述主题集中主题的相似性度量建立专利新颖性评价模型和专利影响力评价模型;具体为:提取专利文档集中每一个专利文档d的主要主题集zdom={z|p(z|d)>0.1}来代表专利文档d,通过步骤二中的文档主题生成模型和收敛的θd和βk,θd为主题概率分布,βk为任一主题的分词概率分布,定义两个专利文档d和d'的主题相似性分数:定义早于专利文档d公开的专利集为 其中t是专利文档d公开

的时间,Tmin是该专利集中专利最晚公开时间,则专利文档d的新颖性分数表示为:定义晚于专利文档d公开的专利集为 其中Tmax是该专利集中专利最早公开时间,则专利文档d的影响力分数表示为:

基于窗口函数平滑法消除时间因素对核心专利挖掘的影响,使得两个专利文档d和d'的相似性分数更正为:其中,Δt=t‑t'是专利文档d和d'的公开时间差,改进后的新颖性分数和影响力分数分别为:步骤四:从专利文档集中提取多个专利形成目标专利集,基于专利新颖性评价模型和专利影响力评价模型,利用最优化方法挖掘出所述目标专利集中的核心专利。

2.根据权利要求1所述的核心专利挖掘方法,其特征在于,步骤一具体为:选择若干专利数据库网站,根据不同的网站构造选择不同的爬虫模块进行爬取,并将爬取到的数据使用网页解析包进行解析,以建立结构化数据库表存储解析结果,构造专利数据库;

根据检索字段构建目标领域的专利文档集D={d1,d2,…,dm},其中m表示专利文档集D中的专利文档d的个数,专利文档集D中专利文档d的公开时间定义为T={t1,t2,…,tm}。

3.根据权利要求2所述的核心专利挖掘方法,其特征在于,所述网络爬虫方法采取分布式爬虫架构,开启多个爬虫线程同时爬取不同的网站以获取数据。

4.根据权利要求1所述的核心专利挖掘方法,其特征在于:步骤S1中的预处理包括分词、去停用词、提取专有技术名词,所述分词集为结合分词出现的频率和分词的互信息值选取的多个重要分词的集合。

5.根据权利要求1所述的核心专利挖掘方法,其特征在于,步骤S2具体包括:S21:顺序遍历所述专利文档集中的每一个专利文档d,初始化专利文档d的超参数向量所述超参数向量 利用每个专利文档d的主题的分词个数进行初始化,引入K维Dirichlet分布生成专利文档d的主题概率分布 即

S22:初始化任一主题zk的超参数向量 并引入n维Dirichlet分布生成任一主题zk产生各个分词的概率分布 即

S23:从所述专利文档d中读取每个分词以及每个分词在专利文档d中出现的次数,引入K维多项式分布生成专利文档d中分词wi对应的各个主题的多项式分布 根据分词wi在专利文档d中出现的次数和该分词的多项式分布 计算该分词被各个主题产生的次数;遍历整个专利文档d中的分词集V,更新各个主题对应的分词的个数,记为向量 用所述向量 更新超参数向量 作为K维Dirichlet分布的输入,以便更新专利文档d的主题概率分布S24:计算专利文档d中分词出现在各个主题的次数,同样使用多项式分布得到更新之后各个主题产生的分词数量,记作向量 用所述向量 更新超参数向量 作为n维多项式分布的输入,以便更新任一主题zk产生各个分词的概率分布S25:遍历整个专利文档集,使用吉布斯采样算法训练文档主题生成模型,直到得到收敛的专利文档d的主题概率分布θd和任一主题的分词概率分布βk;

S26:选择每一主题的概率最高的分词作为该主题的代表词,以使得每一个专利文档d均用主题分布来表征,每一个主题分布均用分词分布来表征。

6.根据权利要求1所述的核心专利挖掘方法,其特征在于,定义高斯窗函数:其中,2σ是窗口的大小,Δt=t‑t′是专利文档d和d′的公开时间差。

7.根据权利要求1所述的核心专利挖掘方法,其特征在于,步骤四中的最优化方法可表示为: 以挖掘出新颖性分数和影响力分数同时高的专利为核心专利,其中,μ和λ是两项得分的权重,C为目标专利集,N为目标专利集中的专利数量。