数据库理论应用于专利挖掘项目的思考

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 数据库理论应用于专利挖掘项目的 思考 专利挖掘工作是企业进行专利布 局及实施专利管理工作的基础，因此， 专利挖掘中有效的挖掘方法，是助力企 业专利挖掘工作的一个利器。专利挖掘 工作中，如何确定待挖掘的数据源，即 从何种对象入手实施专利挖掘，是达成 专利挖掘的项目目标的一个关键。通常 情况下，企业会考虑主要基于如下几类 数据源来规划挖掘工作： 中国论文网 /2/view-13020204.htm 1.基于企业产品来挖掘某一技术 领域的专利； 2.基于某一类技术现有的 来挖掘外围专利； -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 3.基于单一竞争对手的专利来有 针对性的实施专利挖掘； 4.针对一类产品挖掘其在某一技 术领域的标准专利。 此处需要注意的是，企业在上述 挖掘工作中，都同时面临如何管理好待 挖掘的数据源的问题。那么，是否可以 找到一种可靠的数据管理模型，来提供 高效的数据管理方式？ 在此，我们先引入一个在计算机 的数据挖掘领域广泛使用的概念“数据 存储库”（例如数据仓库） 。数据挖掘可 以应用于任何类型的数据存储库，一般 情况下，数据存储库可以包括如下几种 类型：数据仓库、关系数据库、事物数 据库、万维网、一般文件和数据流等。 本文将重点关注数据仓库。所谓数据仓 库，是一种具有收集并组织多维度数据 功能的信息存储库，正是基于这种特性， 本文考虑将其作为着重讨论的一种应用 于专利挖掘工作的数据管理模型。 下面就针对基于企业产品来挖掘 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 某一技术领域的专利挖掘工作，以依靠 自主研发技术而闻名的 A 企业为例，讨 论一下在专利挖掘过中如何应用数据仓 库这种数据管理模型，使得专利挖掘工 作更简单、挖掘结果更准确。 假设 A 企业是一个成功的跨国公 司，我们当前的任务是挖掘该公司每种 产品在人工智能领域的专利，A 公司产 品部门分布全球，涉及的产品线多达几 十个，且每个产品线在人工智能领域都 有完善的自主开发的技术集。目前，该 企业计划布局每个产品在人工智能领域 的专利。 分析可知，A 公司产品线多，从 数据管理的角度来看，每个产品在人工 智能领域开发的技术方案相对分散，散 布在多个开发部门的开发组中实现，因 此，在专利挖掘过程中，A 公司应考虑 如何高效、无遗漏地挖掘并管理来自不 同开发组开发的专利方案。图 1 展示了 一种数据仓库构造和使用的典型系统框 架，经过研究，可以考虑将图 1 所示的 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 数据仓库的结构模型应用在该专利挖掘 项目中，以高效、高质地完成专利挖掘 目标。 数据仓库的核心是多维数据库结 构建模，该模型实现了一种典型的物理 结构，即多维数据立方体 （multidimensional data cube） 。数据立 方体可以提供数据的多维视图，每个维 对应于模式中的一个或一组属性，好处 是可以快速查询到汇总数据。 针对 A 公司的专利挖掘项目，在 待挖掘的数据源是各个产品中人工智能 领域的技术内容的情况下，我们可以利 用上述多维数据立方体构建一种可靠的 数据管理模型。如图 2 所示，在此项目 中，多维数据立方体中的三个维度可以 定义为：产品（电视、音响、电饭煲、 冰箱等） 、人工智能技术（图像识别、 语义分析、信息检索、深度学习）和产 品的应用场景（物联网、智能家居、导 航、客服等） ，即本次项目的挖掘工作 可以采用上述模型所限定的三个维度元 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 素进行组合遍历，该多维数据立方体中 的每个单元存储挖掘到的专利的技术方 案。如图 2 所示，在物联网场景下，同 图像识别相关的家用电视的专利技术方 案内容为 S4，存放在单元中，而其他 立方体单元中可以存放遍历其他几个维 度组合上挖掘到的技术方案。 下面就基于上述数据管理模型， 简述 A 公司产品在人工智能领域的专利 挖掘过程和挖掘结果。 1.1 产品维度 分析 A 公司的产品系列，可以综 合考虑产品的重要度、成熟度等几个方 向综合确定产品的专利挖掘方向和重点。 在产品重要度的分类中，可以考 虑将产品按照重点产品和非重点产品划 分，分别估算重点产品和非重点产品能 产出的专利量。需要说明的是重点产品 具有如下一个或多个属性：市场占有率 和增长率高、技术含量高、销售利润高 等。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 在产品成熟度的分类中，可以考 虑将产品按照市场应用和技术实现的成 熟性进行划分，重点估算成熟度高的产 品的专利量。需要说明的是高成熟度的 产品包括如下一个或多个属性：涉及前 沿的实现完善的成熟技术、用户反馈良 好的方向等。 另外，关于新产品，需要根据具 体情况部署关键技术的专利。 1.2 人工智能技术维度 针对人工智能技术所涉及的如图 3 所示的多个分支技术，结合已经确定 的产品挖掘方向，实现在深度、广度两 个维度上分别进行纵向布局和横向布局。 人工智能技术的分支技术的分类 如下图 3 所示： 纵向布局的挖掘结构，主要是实 现基于每一类分支技术开展纵向布局， 可以围绕某一类或某一个分支技术在延 续、纵向这个维度上进行的改进和迭代， 形成纵向布局结构。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 上述采用延续、纵向的布局方式， 主要基于技术不断更新发展的特性来确 定。技术的不断发展，必然产生迭代的 技术改进点，因此，纵向布局结构主要 跟随技术的更迭而产生。 横向布局的挖掘结构，主要是实 现基于不同类型技术的关联因素开展的 横向布局，可以围绕不同技术之间的关 联关系，形成横向布局结构。 采用不同技术之间的关系支持的 布局方式，主要是因为各类技术都处于 相关技术群中，任何一项技术都不是孤 立地发展。随着相关技术群以及技术群 与技术群之间的关联日益密切，关联技 术之间的创新点必然不断产生，因此， 横向结构布局主要是基于相关技术之间 的关系因素为支撑点。 1.3 应用场景维度 基于本文所讨论的专利挖掘方法， 将最后一个挖掘维度应用场景与上 述两个维度的挖掘方向进行结合，最终 实现多维数据立方体在专利挖掘项目中 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 的有效应用。 基于本文讨论的多类产品和人工 智能技术，当前涉及到的应用场景的类 型大致如下图 4 所示： 对于图 4 中罗列的应用场景，可 以结合 1.2 中完成的技术布局结构，实 现在网状结构上进行网状式布局。 技术总是从已知领域渗透至未知 领域，并且随着产品种类的增长，技术 及技术之间更迭也是迭代发展，这也使 得技术在不同领域应用时会产生意想不 到的新用途，从而可以蔓延出覆盖型的 网状布局结构。这种网状布局结构，可 以理解为产品的实现技术应用在各个应 用场景下所形成的枝蔓结构。 由此可知，基于 1.1、1.2 和 1.3，我们可以完成 A 公司产品中关于 人工智能专利的自主布局和挖掘工作； 进一步的，在产品后续的更新迭代过程 中，A 公司仍旧可以采用上述挖掘方式， 作为继续专利进行申请。 此处需要说明的是，在 A 企业部 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 署外围专利、规避性专利和标准专利的 过程中，同样可以考虑使用本文涉及到 的数据管理模型，来开展和规划专利挖 掘工作。 总结 专利挖掘的过程是一个反复循环 的过程，每一个