面向TRIZ理論的深度知識獲取及應(yīng)用研究.pdf

1、傳統(tǒng)的產(chǎn)品設(shè)計過程對概念設(shè)計階段創(chuàng)新力不足，設(shè)計人員往往由于自身單一的專業(yè)知識很難產(chǎn)生真正創(chuàng)新的產(chǎn)品。TRIZ理論雖然能夠指導(dǎo)設(shè)計人員創(chuàng)新，但在實際應(yīng)用中不易被完全掌握。專利是產(chǎn)品創(chuàng)新的主要知識資源，但是傳統(tǒng)專利庫中包含了不計其數(shù)的專利文件，且是以學(xué)科作為分類基礎(chǔ)的，難以被設(shè)計人員查找和利用。因此按照TRIZ理論相關(guān)知識提取、重組以及分析，以及對已有知識庫的擴(kuò)充和更新有利于TRIZ理論的實際應(yīng)用和自身完善，從創(chuàng)新理論的角度上輔助人們掌握

2、創(chuàng)新設(shè)計的普遍規(guī)律，在類比以往成功案例的基礎(chǔ)上激發(fā)設(shè)計人員的發(fā)散思維是非常有意義的。
　　提出了基于TRIZ理論的深度知識獲取模型。該模型是以TRIZ理論為基礎(chǔ)，采用數(shù)據(jù)挖掘技術(shù)為手段，利用中文專利文獻(xiàn)資源來獲取深度知識的。專利的深度知識獲取研究有助于專利知識跨學(xué)科應(yīng)用和知識發(fā)現(xiàn)與重用研究，以及TRIZ理論由理論的高度變成被普通設(shè)計者接受的一般的理解并實際應(yīng)用過程的探索。
　　論文按照基于TRIZ理論中文專利深度知識獲取模型

3、的各子模塊的實現(xiàn)方法和關(guān)鍵技術(shù)進(jìn)行論述，包括以下幾個部分:專利文本抽取模塊、文本分類器模塊和深度知識挖掘模塊。
　　首先，專利文本抽取模塊介紹了如何在國家知識產(chǎn)權(quán)局這樣的網(wǎng)頁中獲取所需要的專利庫信息，并將之保存到數(shù)據(jù)庫當(dāng)中。專利文本抽取是整個知識挖掘過程的前提，如果不能正確抽取所需要的專利和基本信息，就無法構(gòu)建專利庫，進(jìn)行下一步的分析，因此，本模塊的研究對于后續(xù)的研究至關(guān)重要。
　　其次，文本分類器模塊主要實現(xiàn)了對專利文本的

4、分類過程。將從人工分類和計算機(jī)分類兩個方面闡述專利分類的原理及過程。人工輔助專利分類是建立在人工仔細(xì)閱讀專利說明書的基礎(chǔ)上進(jìn)行的，要求分類人員掌握一定的TRIZ知識和相關(guān)的領(lǐng)域知識。而計算機(jī)分類的對象都是專利文檔部分，既能基本上代替專利全文的基本內(nèi)容，而且對于計算機(jī)計算的難度大大簡化，對于分類器在測試階段是非常簡便和實用的。本模塊的專利分類主要是指運(yùn)用發(fā)明原理為分類背景對專利進(jìn)行分類和分析的。
　　再次，深度知識挖掘模塊主要利用了