基于深度學(xué)習(xí)的專利知識推薦服務(wù)研究

　　摘要：專利作為一種包含大多數(shù)領(lǐng)域中最完整的設(shè)計(jì)信息，可以為設(shè)計(jì)者解決設(shè)計(jì)問題提供有價(jià)值的指導(dǎo)。針對現(xiàn)有的專利推薦方法難以有效地推薦跨領(lǐng)域?qū)＠�的問題，提出一種基于深度學(xué)習(xí)的跨領(lǐng)域?qū)＠�知識推薦方法，用于創(chuàng)新產(chǎn)品的概念設(shè)計(jì)。首先對產(chǎn)品功能和知識需求情境進(jìn)行建模，將設(shè)計(jì)問題進(jìn)行標(biāo)準(zhǔn)化表達(dá)，生成設(shè)計(jì)問題空間。其次，提出一種半監(jiān)督學(xué)習(xí)算法(TGTCI)將專利功能信息按照功能基自動(dòng)分類和標(biāo)記，利用實(shí)體識別算法(BERTBiLSTMCRF)提取專利應(yīng)用場景術(shù)語、技術(shù)術(shù)語，結(jié)合國際專利分類(IPC)信息以表示專利的功能、情境、技術(shù)和領(lǐng)域?qū)傩�，從而生成專利知識空間。通過設(shè)計(jì)問題空間到專利知識空間的功能基和知識情境映射查找所需的跨領(lǐng)域?qū)＠�，根�?jù)技術(shù)和領(lǐng)域?qū)傩詫λ鼈冞M(jìn)行聚類和評估，選出特定的專利以激發(fā)設(shè)計(jì)者的創(chuàng)造力。最后以一個(gè)實(shí)際案例進(jìn)行分析驗(yàn)證，證明了基于深度學(xué)習(xí)的專利知識推薦模型的可行性及有效性。

　　關(guān)鍵詞：產(chǎn)品創(chuàng)新;專利數(shù)據(jù);深度學(xué)習(xí);知識需求情境;知識資源推薦

　　隨著經(jīng)濟(jì)全球化的發(fā)展，市場環(huán)境動(dòng)態(tài)多變，企業(yè)之間的競爭日益激烈。面對激烈的市場競爭，企業(yè)創(chuàng)新設(shè)計(jì)能力已成為決定企業(yè)競爭是否占優(yōu)的關(guān)鍵，企業(yè)需要不斷提高自己的創(chuàng)新能力來提升自身的核心競爭力。產(chǎn)品創(chuàng)新設(shè)計(jì)是一個(gè)創(chuàng)新密集型過程，需要大量的知識和設(shè)計(jì)經(jīng)驗(yàn)[1]。在產(chǎn)品創(chuàng)新設(shè)計(jì)過程中，知識重用和重組已被證明是創(chuàng)新的主要來源[2]，但如今的知識重用研究主要集中在同一應(yīng)用領(lǐng)域設(shè)計(jì)知識的重用。然而其他應(yīng)用領(lǐng)域的知識往往更好解決產(chǎn)品創(chuàng)新中的問題，從各種各樣的領(lǐng)域汲取靈感進(jìn)行創(chuàng)新設(shè)計(jì)正成為一種趨勢。

　　專利申請知識： 廢鐵壓塊設(shè)備實(shí)用新型專利申請時(shí)間多長

　　因此，研究如何利用多領(lǐng)域知識進(jìn)行產(chǎn)品創(chuàng)新具有巨大的現(xiàn)實(shí)意義。專利知識包含了各個(gè)應(yīng)用領(lǐng)域最新的技術(shù)和研究成果，許多學(xué)者使用詞頻統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三種方法分析專利中的知識來輔助產(chǎn)品創(chuàng)新設(shè)計(jì)。其中基于詞頻統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的研究有梁艷紅等人[3]基于發(fā)明問題解決理論(TRIZ)提取專利中產(chǎn)品創(chuàng)新知識。YOON等人[4]利用線性判別式分析算法提取專利主題，并根據(jù)協(xié)同過濾算法識別潛在競爭對手，以此輔助產(chǎn)品設(shè)計(jì)。

　　陳憶群等人[5]利用支持向量機(jī)(SVM)算法將關(guān)鍵詞抽取轉(zhuǎn)化為分類問題提取關(guān)鍵詞。林園園等人[6]構(gòu)建功能原理結(jié)構(gòu)模型，使用K均值聚類算法(Kmeans)對專利進(jìn)行聚類，實(shí)現(xiàn)推薦相關(guān)的專利組合方案給產(chǎn)品設(shè)計(jì)者。Chen等人[7]提出了一種結(jié)構(gòu)函數(shù)式知識抽取方法，識別包含結(jié)構(gòu)和功能的潛在知識。劉龍繁等人[8]提出一種使用樸素貝葉斯算法(NaiveBayes)，以功能基為分類標(biāo)準(zhǔn)的專利分類方法，為設(shè)計(jì)者提供相關(guān)專利知識。但基于統(tǒng)計(jì)詞頻以及共現(xiàn)的方法只能統(tǒng)計(jì)專利的顯性信息，對產(chǎn)品創(chuàng)新提供幫助較小，機(jī)器學(xué)習(xí)方法抽取知識較為片面且精度不高、效率較低。

　　而深度學(xué)習(xí)可以解決以上問題，可以抽取專利實(shí)現(xiàn)的功能效果，為產(chǎn)品創(chuàng)新設(shè)計(jì)提供類似的成功案例。例如董文斌等人[9]利用BERTBiLSTMCRF算法識別專利中的功能、原理、結(jié)構(gòu)三類實(shí)體，并提取實(shí)體之間的關(guān)系，構(gòu)建專利知識結(jié)構(gòu)模型。Xu等人[10]預(yù)先定義實(shí)體類型和語義關(guān)系庫，提出一種利用BiGRUHAN算法的專利知識提取框架。張盤龍[11]利用實(shí)體識別算法構(gòu)建專利知識圖譜進(jìn)行專利推薦。但現(xiàn)有的深度學(xué)習(xí)研究大多缺乏對專利知識應(yīng)用情境和專利技術(shù)原理的深入分析，因而無法有效解決跨領(lǐng)域推薦專利的準(zhǔn)確性。

　　除此之外，專利數(shù)量呈指數(shù)級上漲，并非所有專利都具有同等重要的創(chuàng)新意義[12]，有必要為設(shè)計(jì)師評估檢索到的專利。劉勤等人[13]采用熵權(quán)法對專利特征、發(fā)明人特征及權(quán)力人特征進(jìn)行賦權(quán)，構(gòu)建專利價(jià)值評估模型。Verhoeven[14]使用IPC分類號和引用信息來衡量技術(shù)的新穎性。李欣[15]選取專利技術(shù)、經(jīng)濟(jì)、法律和主體四大維度，運(yùn)用機(jī)器學(xué)習(xí)方法對專利質(zhì)量進(jìn)行評估。但大多數(shù)研究僅用一個(gè)指標(biāo)對專利進(jìn)行評估，缺乏從多個(gè)角度評估專利創(chuàng)新價(jià)值。

　　基于以上問題，本文提出一種基于深度學(xué)習(xí)的專利知識推薦模型，從文本分類的角度提取專利的功能信息。其次，利用深度學(xué)習(xí)算法提取情境、技術(shù)屬性，結(jié)合IPC分類號信息，生成專利知識空間。為滿足設(shè)計(jì)者不同的知識需求，提出技術(shù)成熟性，新穎性和可擴(kuò)展性三種評價(jià)指標(biāo)，以向設(shè)計(jì)者推薦其他領(lǐng)域?qū)＠�知識，激發(fā)設(shè)計(jì)者創(chuàng)造更多的創(chuàng)新設(shè)計(jì)理念。基于深度學(xué)習(xí)的專利研究進(jìn)展目前，由于出色的表示學(xué)習(xí)能力，深度學(xué)習(xí)在自然語言處理領(lǐng)域取得了巨大的成功，許多學(xué)者致力于利用深度學(xué)習(xí)提取專利中的隱形知識，主要分為專利知識提取、專利知識推薦、專利評估及演化三個(gè)方向。

　　文獻(xiàn)[10]、[16]利用實(shí)體識別算法提取專利中的技術(shù)術(shù)語，構(gòu)建了專利知識提取框架，方便使用者更快的理解專利。文獻(xiàn)[9]、[11]、[17]在專利知識提取框架的基礎(chǔ)上，提取專利的功能、技術(shù)等知識構(gòu)建專利知識圖譜,推薦合適的專利輔助產(chǎn)品創(chuàng)新。文獻(xiàn)[18]、[19]利用深度學(xué)習(xí)構(gòu)建專利相似性網(wǎng)絡(luò)，根據(jù)技術(shù)進(jìn)行專利聚類，判斷專利技術(shù)的潛在價(jià)值，準(zhǔn)確地預(yù)測新興技術(shù)，為未來技術(shù)發(fā)展提供方向。 從現(xiàn)有研究成果來看，當(dāng)前的專利知識研究主要集中在當(dāng)前領(lǐng)域知識推薦的準(zhǔn)確性，忽略了知識的多樣性，既其他領(lǐng)域的專利知識。而其他領(lǐng)域的知識往往更好的解決當(dāng)前的設(shè)計(jì)問題。因此本文對專利知識情境進(jìn)行深入分析，解決產(chǎn)品創(chuàng)新設(shè)計(jì)的多樣性知識需求，提高專利知識推送質(zhì)量、增強(qiáng)企業(yè)創(chuàng)新能力和競爭能力。

　　基于深度學(xué)習(xí)的專利知識推薦模型框架在產(chǎn)品設(shè)計(jì)中，設(shè)計(jì)者通過知識重用和重組來解決設(shè)計(jì)問題。專利作為包含大多數(shù)應(yīng)用領(lǐng)域知識的重要知識資源，可以幫助設(shè)計(jì)者完成各種設(shè)計(jì)任務(wù)。其中產(chǎn)品是由功能和功能承載結(jié)構(gòu)所組成的系統(tǒng)，功能分析貫穿產(chǎn)品設(shè)計(jì)的整個(gè)過程。

　　將設(shè)計(jì)問題抽象解釋為功能需求問題可以在任何領(lǐng)域中使用，但通過功能檢索到的專利通常大量重復(fù)或者相似，設(shè)計(jì)者仍需要花費(fèi)大量時(shí)間去尋找和理解檢索到的所有專利，最終找到合適的專利。不同的知識具有不同的應(yīng)用情境[20]，在特定情境下其他領(lǐng)域知識才可以發(fā)揮效用。此外，不同的專利文本具有不同的技術(shù)成熟性和新穎性，這對不同的設(shè)計(jì)者有著不同的啟發(fā)性影響。因此，本文提出一種基于深度學(xué)習(xí)的專利知識推薦模型，它可以推薦其他應(yīng)用領(lǐng)域的專利知識，實(shí)現(xiàn)了跨領(lǐng)域的知識遷移。

　　設(shè)計(jì)問題經(jīng)過問題表征被描述為功能需求，并描述當(dāng)前知識需求情境，對功能進(jìn)行建模并分解為三層功能結(jié)構(gòu)，根據(jù)功能基和需求情境將其解釋為設(shè)計(jì)問題空間。由于專利文獻(xiàn)為半結(jié)構(gòu)化數(shù)據(jù)，閱讀專利全文獲取知識需要花費(fèi)高昂的時(shí)間成本、人力成本等。于是本文提出一種TGTCI(TwoGranularityThreeClassifierIntegration)半監(jiān)督文本分類算法從文本分類的角度提取專利的功能信息，分別從字符級(BERT)和詞語級(Word2vec)對專利文本進(jìn)行特征向量表示，可以有效解決專利文本中一詞多義、歧義等現(xiàn)象。

　　并集成支持向量機(jī)(SVM)、貝葉斯(NaiveBayes)、K近鄰分類(KNN)三種不同基分類器的優(yōu)點(diǎn)，提高專利功能分類的準(zhǔn)確性。采用BERTBiLSTMCRF實(shí)體識別算法從專利說明書中自動(dòng)提取專利的知識應(yīng)用情境、技術(shù)術(shù)語，實(shí)現(xiàn)使用計(jì)算機(jī)自動(dòng)提取專利知識，降低人力成本和研發(fā)時(shí)間。結(jié)合IPC分類號信息分別代表專利的功能、情境、技術(shù)、領(lǐng)域?qū)傩�，�?gòu)成專利知識空間。

　　首先根據(jù)功能基和知識情境實(shí)現(xiàn)設(shè)計(jì)問題空間到專利知識空間的映射，搜索相關(guān)專利。其次，檢索后的專利通過技術(shù)術(shù)語將實(shí)現(xiàn)同一功能并技術(shù)手段相似的專利采用Kmeans算法進(jìn)行聚類，形成專利技術(shù)集群，之后設(shè)計(jì)者根據(jù)設(shè)計(jì)需求選擇相應(yīng)的評估指標(biāo)通過IPC信息對專利技術(shù)集群進(jìn)行評估和排序。最后，向設(shè)計(jì)者推薦三層呈現(xiàn)的專利知識信息，以激發(fā)設(shè)計(jì)者的創(chuàng)新思維，進(jìn)行新產(chǎn)品概念設(shè)計(jì)中的知識轉(zhuǎn)移。必要的是，需要定時(shí)從專利網(wǎng)站中搜尋專利文本，通過上述知識抽取過程，將這些專利文本存儲在本地專利數(shù)據(jù)庫中，以便可以實(shí)時(shí)更新專利知識空間。

　　3基于功能基和知識情境的專利知識推薦方法

　　3.1研究思路

　　當(dāng)前設(shè)計(jì)者搜尋專利由于受到自身知識經(jīng)驗(yàn)和專利的分類體系(IPC)的約束，只能找到本專業(yè)或本領(lǐng)域的專利文獻(xiàn)。從產(chǎn)品創(chuàng)新角度來說，其他領(lǐng)域知識往往更好激發(fā)設(shè)計(jì)者的創(chuàng)新思維，因?yàn)椴煌�領(lǐng)域的產(chǎn)品設(shè)計(jì)問題，可能會采用相似的技術(shù)方案。因此，本文將功能基和知識情境引入產(chǎn)品設(shè)計(jì)流程中，來為設(shè)計(jì)者提供跨領(lǐng)域?qū)＠�知識，輔助產(chǎn)品創(chuàng)新設(shè)計(jì)。

　　在引入功能基和知識情境之前，設(shè)計(jì)者由于自身知識的不足影響了功能層與原理解層的映射，從而限制了產(chǎn)品概念方案的生成。通過引入功能基和知識情境方便設(shè)計(jì)過程信息的表達(dá)，建立了統(tǒng)一的表達(dá)標(biāo)準(zhǔn)。由于功能基高度抽象，可以突破功能應(yīng)用領(lǐng)域的限制，并根據(jù)知識應(yīng)用情境的匹配程度對其他領(lǐng)域知識進(jìn)行篩選，獲得更多創(chuàng)新解決方案。

　　3.2基于功能需求和知識需求情境的設(shè)計(jì)問題空間

　　產(chǎn)品創(chuàng)新設(shè)計(jì)是復(fù)雜的思維活動(dòng)，設(shè)計(jì)問題求解可以理解為“發(fā)掘設(shè)計(jì)問題與已有知識之間的相關(guān)性，并進(jìn)行知識的遷移和組合”的過程[21]。功能是產(chǎn)品的核心要素，而產(chǎn)品創(chuàng)新設(shè)計(jì)的核心是知識從一種情境轉(zhuǎn)換到另一種情境[21]。通過對設(shè)計(jì)問題的功能需求和知識需求情境的問題表征，將設(shè)計(jì)問題進(jìn)行標(biāo)準(zhǔn)化表達(dá)，可以得到產(chǎn)品的功能結(jié)構(gòu)模型和知識情境模型，同時(shí)形成設(shè)計(jì)問題空間。設(shè)計(jì)者利用功能基和知識情境檢索專利知識庫中已有的解決方案和知識，并將其與當(dāng)前的設(shè)計(jì)問題進(jìn)行類比，以生成新的設(shè)計(jì)方案。

　　3.2.1功能建模

　　產(chǎn)品設(shè)計(jì)的本質(zhì)是設(shè)計(jì)具有特定功能、滿足特定設(shè)計(jì)要求的產(chǎn)品。產(chǎn)品建模是產(chǎn)品設(shè)計(jì)的基礎(chǔ)，功能建模是產(chǎn)品設(shè)計(jì)的首要任務(wù)。為了對功能進(jìn)行統(tǒng)一的表達(dá)，Stone等[22]提出了功能基(Functionalbase)的概念，采用“元功能+流”的表示形式。Hirtz[23]整合并統(tǒng)一了元功能和流的分類，建立了功能基的標(biāo)準(zhǔn)詞典。但該詞典創(chuàng)建距今已經(jīng)十多年時(shí)間，不能很好的適用于當(dāng)前的設(shè)計(jì)活動(dòng)。

　　為此，本文根據(jù)TRIZ功能分析理論，提出一種采用“動(dòng)作+對象”描述功能，“動(dòng)作”描述了功能的作用方式，“對象”描述工作的對象。其中動(dòng)作包括導(dǎo)向、聚集、轉(zhuǎn)換、連接、感知、調(diào)節(jié)、分離、供應(yīng)、支持九個(gè)一級功能類別，結(jié)合Hirtz對流的分析進(jìn)一步細(xì)化為39個(gè)二級功能類別與234個(gè)三級功能類別。顯示了一個(gè)功能基的實(shí)例，設(shè)計(jì)者可以選擇合適的功能基來定義任何產(chǎn)品的功能。由于功能基高度抽象，使用功能基表示設(shè)計(jì)問題的功能需求可以在任何領(lǐng)域中使用。

　　3.2.2知識情境建模

　　基于功能基向設(shè)計(jì)者推薦其他領(lǐng)域?qū)＠�知識時(shí)，大量跨領(lǐng)域?qū)＠麧M足當(dāng)前功能需求，檢索結(jié)果冗余度高，無法滿足知識推薦的準(zhǔn)確性。然而知識的產(chǎn)生和應(yīng)用都具有特定的背景和環(huán)境[20]，知識情境可以視為知識應(yīng)用的限定條件，是知識共享和知識重用的重要基礎(chǔ)，能夠有效解決基于功能基檢索后的專利知識過載問題[24]。通過對設(shè)計(jì)問題和知識主體之間的情境匹配度計(jì)算將極大的提高設(shè)計(jì)者知識檢索的效率，進(jìn)而縮短產(chǎn)品創(chuàng)新設(shè)計(jì)的開發(fā)周期，提高創(chuàng)新質(zhì)量。

　　為此，本文建立一個(gè)可擴(kuò)展的知識情境模型，用以判斷其他領(lǐng)域知識解決當(dāng)前設(shè)計(jì)問題的可行性。在產(chǎn)品設(shè)計(jì)過程中，根據(jù)5W1H分析法可得知識情境就是描述當(dāng)前的設(shè)計(jì)者的5W1H信息(Who、What、Where、When、Why、How)，即設(shè)計(jì)者在某一時(shí)間某一地點(diǎn)用某種方法從事當(dāng)前的設(shè)計(jì)活動(dòng)。但僅這六個(gè)維度可能造成設(shè)計(jì)需求識別不完整，降低工作效率。

　　因此，本文以設(shè)計(jì)過程為線索，結(jié)合5W1H分析法將知識情境維度進(jìn)行提煉，構(gòu)建知識情境模型，形式化表達(dá)為：知識情境={問題、任務(wù)、設(shè)計(jì)過程、設(shè)計(jì)執(zhí)行者、設(shè)計(jì)活動(dòng)、設(shè)計(jì)對象、知識資源、地點(diǎn)、時(shí)間}，其中設(shè)計(jì)執(zhí)行的時(shí)間和地理位置和在設(shè)計(jì)活動(dòng)中沒有實(shí)際意義，本文將產(chǎn)品的業(yè)務(wù)周期作為時(shí)間維度，產(chǎn)品工作時(shí)的應(yīng)用地點(diǎn)作為地點(diǎn)維度。知識情境各維度之間存在著緊密的聯(lián)系，知識情境交互關(guān)系模型。

　　問題維度、任務(wù)維度、知識執(zhí)行者維度以及設(shè)計(jì)活動(dòng)維度之間存在相互傳遞轉(zhuǎn)換關(guān)系：設(shè)計(jì)問題分解成多個(gè)任務(wù)目標(biāo);任務(wù)目標(biāo)由設(shè)計(jì)活動(dòng)實(shí)現(xiàn);設(shè)計(jì)活動(dòng)由相關(guān)部門和組織組成的設(shè)計(jì)執(zhí)行者全權(quán)負(fù)責(zé);并且在設(shè)計(jì)活動(dòng)維度中，時(shí)間和地點(diǎn)兩個(gè)維度是設(shè)計(jì)活動(dòng)執(zhí)行的條件限制，設(shè)計(jì)活動(dòng)使用相應(yīng)的知識資源驅(qū)動(dòng)設(shè)計(jì)過程的執(zhí)行。在知識執(zhí)行者維度中，知識員工存在于各個(gè)業(yè)務(wù)執(zhí)行組織，在特定的設(shè)計(jì)活動(dòng)中具備一定的求解技能、求解經(jīng)驗(yàn)以及對應(yīng)的執(zhí)行職位。需要說明的一點(diǎn)是，本文列出了知識情境的主要維度，企業(yè)在實(shí)際應(yīng)用時(shí)需根據(jù)自身的業(yè)務(wù)特點(diǎn)和業(yè)務(wù)數(shù)據(jù)進(jìn)行維度的擴(kuò)展和細(xì)化。

　　3.3專利知識空間的知識表示

　　專利知識是創(chuàng)新的重要資源，有效地整合產(chǎn)品創(chuàng)新所需的專利知識資源方便企業(yè)創(chuàng)新人員對相關(guān)專利知識的檢索和利用[25]。密阮建馳等人[26]提出知識應(yīng)與情境相結(jié)合，以方便設(shè)計(jì)者更全面的理解知識，促進(jìn)知識之間的共享和重用。為此，本文將情境化設(shè)計(jì)引入FBS模型，構(gòu)建功能描述層、技術(shù)描述層、詳細(xì)描述層三層知識表示結(jié)構(gòu)，形成專利知識空間。

　　功能描述層體現(xiàn)了專利發(fā)明人的主觀意愿，是產(chǎn)品的最終目的。技術(shù)描述層包括情境屬性、技術(shù)屬性、領(lǐng)域?qū)傩�，分別由專利應(yīng)用情境、技術(shù)術(shù)詞、IPC分類號信息組成，方便設(shè)計(jì)者更快速理解專利的應(yīng)用場景和所使用的技術(shù)。詳細(xì)描述層包含專利中的具體實(shí)施方式和專利顯性信息。該專利知識空間模型從左到右的知識抽象程度逐漸減少，較高抽象的知識更容易進(jìn)行知識轉(zhuǎn)移，利于設(shè)計(jì)者從多個(gè)角度理解專利知識。

　　4實(shí)例驗(yàn)證

　　為了驗(yàn)證本文提出的專利知識推薦模型的可行性，以橋梁冰雪清除裝置設(shè)計(jì)進(jìn)行實(shí)例驗(yàn)證。通過將傳統(tǒng)的基于關(guān)鍵詞檢索和本文提出的方法進(jìn)行對比，并根據(jù)專利技術(shù)集群生成四種清除積雪的設(shè)計(jì)方案，驗(yàn)證本文提出的專利知識推薦模型在跨應(yīng)用領(lǐng)域推薦專利知識方面的有效性和可行性。

　　4.1專利數(shù)據(jù)獲取及處理本文在專利商業(yè)網(wǎng)站(incopat)中下載50000條發(fā)明專利數(shù)據(jù)。本文使用的專利數(shù)據(jù)包括標(biāo)題、摘要、說明書和權(quán)力要求等，我們采用jieba分詞對專利數(shù)據(jù)進(jìn)行分詞，去除停用詞，以便進(jìn)行更深入的信息分析。

　　4.2設(shè)計(jì)問題空間的構(gòu)建在寒冷地區(qū)，大雪和低氣溫的情況比較普遍。積雪在道路橋梁上會造成堆積和結(jié)冰影響行車安全的問題。目前除冰方式主要是人工灑融雪劑或借助機(jī)械設(shè)備完成。但由于人工清理有被車撞到的危險(xiǎn)，且融雪劑會污染環(huán)境、清雪車的清雪結(jié)構(gòu)簡單清雪不徹底，對于冰面和已經(jīng)壓實(shí)的雪清理效果不好。因此，有必要設(shè)計(jì)一種有效、安全的除冰設(shè)備。

　　5結(jié)束語

　　為了更好的滿足設(shè)計(jì)者知識多樣性的需求，本文提出了一種基于深度學(xué)習(xí)的專利知識推薦模型框架。主要貢獻(xiàn)總結(jié)為三點(diǎn)：

　　(1)基于功能基和知識情境的設(shè)計(jì)問題表征。本文對產(chǎn)品功能和知識情境分別建模，在產(chǎn)品設(shè)計(jì)流程中引入功能基和知識情境對設(shè)計(jì)問題進(jìn)行標(biāo)準(zhǔn)化表達(dá)，對比實(shí)驗(yàn)證明本文方法可以在更大范圍找到更多的解決方案。(2)自動(dòng)提取專利知識并構(gòu)建表示模型。本文提出TGTCI算法根據(jù)功能基從本文分類角度提取專利功能信息，利用實(shí)體識別方法提取專利情境、技術(shù)術(shù)詞構(gòu)建專利知識空間，便于設(shè)計(jì)者快速理解當(dāng)前專利。(3)多指標(biāo)專利評估方法。本文利用Kmeans算法對相似專利進(jìn)行聚類，并提出成熟性、新穎性、擴(kuò)展性三種指標(biāo)對專利聚類進(jìn)行評價(jià)，方便設(shè)計(jì)者選擇合適的評價(jià)指標(biāo)滿足自己的設(shè)計(jì)需求，提高設(shè)計(jì)知識重用率。 但仍存在一些問題需要解決。

　　首先本文的領(lǐng)域?qū)傩允歉鶕?jù)專利的IPC分類來定義，具有局限性。其次，本文僅對專利一級功能進(jìn)行分類提取，之后需要根據(jù)二級類別、三級類別進(jìn)行進(jìn)一步分類。最后專利知識表示需要行更深入的分析，專業(yè)技術(shù)術(shù)語和知識情境專業(yè)性較強(qiáng)，需要更高的知識背景。今后我們將進(jìn)一步深入研究領(lǐng)域之間的知識轉(zhuǎn)移，完善功能詞典，改善專利功能分類的準(zhǔn)確性，并且進(jìn)一步完善專利內(nèi)容研究，需要更深入地開發(fā)專利知識，更全面地發(fā)現(xiàn)潛在的領(lǐng)域知識，進(jìn)而更智能化的實(shí)現(xiàn)設(shè)計(jì)者的知識需求。

　　參考文獻(xiàn)：

　　[1]王克勤,毋鳳君.面向產(chǎn)品設(shè)計(jì)改進(jìn)的在線評論挖掘[J].計(jì)算機(jī)工程與應(yīng)用,2019,55(19):235245+252.WANGKQ,WUFJ.Onlinecommentminingforproductdesignimprovement[J].ComputerEngineeringandApplications,2019,55(19):235245+252.

　　[2]JianChengGuan,YanYan.Technologicalproximityandrecombinativeinnovationinthealternativeenergyfield[J].ResearchPolicy,2016,45(7).

　　[3]梁艷紅,檀潤華,馬建紅.面向產(chǎn)品創(chuàng)新設(shè)計(jì)的專利文本分類研究[J].計(jì)算機(jī)集成制造系統(tǒng),2013,19(02):382390.LIANGYH,TANRH,MAJH.ResearchonPatentTextClassificationforProductInnovationDesign[J].ComputerIntegratedManufacturingSystem,2013,19(02):382390.

　　[4]JanghyeokYoon,WonchulSeo,ByoungYoulCoh,InseokSong,JaeMinLee.Identifyingproductopportunitiesusingcollaborativefilteringbasedpatentanalysis[J].Computers&IndustrialEngineering,2016:

　　[5]陳憶群,周如旗,朱蔚恒,李夢婷,印鑒.挖掘?qū)＠�知識實(shí)現(xiàn)關(guān)鍵詞自動(dòng)抽取[J].計(jì)算機(jī)研究與發(fā)展,2016,53(08):17401752.CHENYQ,ZHOURQ,ZHUWH,LIMT,YINJ.Miningpatentknowledgetorealizeautomatickeywordextraction[J].ComputerResearchandDevelopment,2016,53(08):17401752.

　　作者：李振宇1，戰(zhàn)洪飛1，余軍合1，王瑞1，鄧慧君2

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///nylw/28904.html