专利信息获取与分析系统关键技术探讨

1、专利信息获取与分析系统关键技术探讨 从大环境来看，专利已经成为了重要的技术情报信息源，在企业竞争过程中具有重要价值。若企业可有效获取专利信息，并加以利用，将大幅度压缩产品研发时间，降低研发经费，为企业带来可观的价值。基于此，本文对专利信息获取系统与分析系统进行了综合性阐述，分析了其中的关键性技术，以供参考。 【关键词】专利信息 关键技术 检索 1 专利系统概述 伴随着计算机技术的不断发展，以计算机平台为基础的专利系统愈来愈多，特别是可视化分析软件呈现了明显的上升趋势，如ucinet、netdraw、pajek等网络分析软件的出现，极大程度上推动了分析可视化的发展，为专利系统进一步完善提供了基础

2、。可视化分析软件相对于传统检索模型而言，表达更为直观、便利性较好，可为用户提供更为优质的服务。这将是未来专利系统发展的重要方向之一。 2 专利系统架构分析 2.1 整体结构 本研究设计的专利系统主要由三个部分构成，即专利信息检索子模块、信息抽取子模块，信息分析子模块。实际应用过程中，用户先经由系统用户接口，给予某种专利检索查询表达方式。此时，系统检索模块则会对这种表达方式进行针对性处理，对其语法进行调整，转变为统一化的规范性表达方式。经过检索模块处理后，可对检索词概念扩展影响因素进行消除，并经由知识库对检索词进行概念扩张。基于deep web主题爬虫对检索表达式进行模拟，并查询url构造，可达

3、到抓取网页源文件的目的。上述网页文件会被系统下载下来，再通过抽取子模块进行预处理，其中网页中不合规格的内容将会被清除。经过xml转换，并结合相关技术（xml、xslt）对有效信息进行抽取，以获取专利数据库。 2.2 检索框架 检索子模块对表达式语法进行处理后，语法结构也就变得相对完整。但即便如此，表达式在语义层面上依然会出现偏差。在关键词检索方面，如果语义偏离程度较大，将会使检索质量有所下降。为了降低语义偏差所带来的影响，可构建专门的领域知识库，对检索词汇语义进行有效概念扩展，从而对检索表达方式进行优化。这样，信息检索将由词汇层面上升至概念层面。实际专利检索过程中，查询活动几乎都是通过专利网络

4、数据库完成的，这个过程中需要利用deep web来收集信息。因此，采取deep web主题爬虫对相关数据源进行分析、处理，可让检索活动更为高效，从而为用户提供更为可靠的信息。 2.3 抽取框架 抽取子模块主要通过以下流程进行工作，如图1所示。 抽取子模块的主要功能是对相关网页信息进行处理，通过格式整理、xml转化等，对网页中的专利信息进行有效提取，并将这些信息收集、整合起来，以获取相关专利数据库。从网络环境来看，多数网页格式为html。然而，从html网页中提取信息具有一定难度。因此，需先将html转变为xml，然后通过相关技术（xml、xslt）来提取有效内容。抽取完成后，数据库可收入相关专

5、利信息（基于数据库映射技术），并得到本地专利数据库。用户再次查询的时候，便可借助本地数据库执行。 2.4 分析框架 系统通过分析子模块可对专利信息进行预分析，并对深层次信息进行发掘。将专利数据从专利文献当中提取出来，这对于技术分析具有重要的支持作用。分析子模块可充分利用本地数据库，并从中筛选出累积的专利申请号等信息。这些信息被提取后，通过专门的软件进行统计，得到相关统计图表，这样便可清晰地了解到专利发展趋势及方向。 3 关键性技术概述 实现专利系统的过程中，通常会涉及到以下关键技术： （1）表达式语法转换。检索词中的字母会统一成小写字母；当出现连字号（-）时，会直接删除；无实际含义词汇（停用词

6、）会直接删除；对具有实际意义的词汇会进行分词处理，使关键词概念得以有效扩展。 （2）领域知识库。构建领域知识库，便于关键词实现概念扩展，从而提升检索质量。领域知识库由dbpedia数据集及wordnet语义词典构成。检索词经规范化处理后，经由领域知识库予以扩展，得到同义词集合。 （3）deep web主题爬虫。本研究中deep web主题爬虫主要面向对象为uspto，爬虫通过分析url结构及经过概念扩展的检索表达式，将url构造以表单方式提交，并与数据库进行交互，得到对应的专利信息，以可视化的方式供于用户使用。 4 结语 专利是目前技术信息的有效载体之一，其容纳了绝大部分最新技术情报。对于企业发展乃至行业发展而言，专利有着重要的价值。在这种背景下，专利信息获取与分析系统将愈来愈受到关注，未来其将获取更为广泛的应用空间。 参考文献 1翟东升，刘晨，欧阳轶慧.专利信息获取分析系统设计与实现j.现代图书情报技术，2009，05：55-60. 2陈琼娣.基于词频分析的清洁技术专利检索策略研究j.情报杂志，2013，06：47-52.