基于數據挖掘技術的專利信息分析及應用研究.pdf

1、專利信息是最新的科技發(fā)展水平的集合，具有內容新穎、覆蓋面廣、實用可靠、信息量大等顯著特點，在國家政府機構的決策、技術創(chuàng)新、資源的配置、科技項目的規(guī)劃、行業(yè)的發(fā)展方向、企業(yè)的經營決策等各方面都擁有巨大的價值及潛在價值。傳統(tǒng)的統(tǒng)計分析方法已經不能滿足人們開發(fā)利用專利信息資源的需求，集成了多種學科技術的數據挖掘成為了專利信息分析法的必然發(fā)展趨勢。
　　 數據挖掘技術是解決數據豐富而知識貧乏的有效途徑，是信息科學研究領域的重要研究課題之

2、一，相關的研究和應用能夠提高決策支持的能力，在數據庫研究中是一個富有應用前景的領域。數據挖掘已經廣泛應用于諸多領域以解決許多商業(yè)問題，并且取得了良好的社會效應。
　　 由于專利信息的特殊性——同時具有外部特征項和內部特征項，既有需要進行定量分析的外部指標，又有需要定性分析的文本內容，所以作為數據挖掘技術重要技術手段的關聯分析和文本聚類有著非常廣泛的應用前景。關聯規(guī)則挖掘是從大量的、不準確的、嘈雜的現實數據中挖掘出隱含在其中的、潛

3、在的有價值的相關信息和知識的過程。文從Agrawal等人第一次提出了基于商業(yè)數據庫的項集之間的關聯關系研究問題以來，很多研究人員對挖掘數據中潛在的關聯規(guī)則問題進行了大量的更加深入的研究。本聚類首先需要對文本進行預處理，通過分詞、特征選擇或特征抽取等過程將文本轉化成計算機可處理的格式化數據如文本向量，然后使用聚類算法進行聚類。層次聚類方法對給定的數據集進行層次似的分解，直到某種條件滿足為止。相較于另一種較為常見的聚類算法——以k-mean

4、s和k-medoids為代表的劃分方法而言，層次聚類法不需要預先指定聚類的個數，更有利于在不清楚數據屬性的情況下進行文本聚類。
　　 在數據挖掘技術的應用方面，本文面向專利信息挖掘應用的實際需求，分析了專利文獻的應用及其用途，研究了專利技術、專利文獻的自身特點，以及專利文獻蘊涵的豐富的技術信息、法律信息和商業(yè)信息，尋找將數據挖掘技術應用到專利文獻中的途徑。并以混合動力電動汽車領域在中國境內專利申請情況為主要背景，在行業(yè)研究的基礎