專利技術(shù)信息挖掘及實(shí)證研究：以我國(guó)的行李箱專利為例*

劉曉英 文庭孝 孫玥瑩

（1.中南大學(xué)圖書館 長(zhǎng)沙 410013；2.中南大學(xué)信息安全與大數(shù)據(jù)研究院 長(zhǎng)沙 410083）

引言

技術(shù)挖掘（Technology Mining）是美國(guó)學(xué)者Porter提出的一種在已有科技文獻(xiàn)的基礎(chǔ)上分析當(dāng)前技術(shù)現(xiàn)狀和將來技術(shù)走向的方法，用于技術(shù)演變分析、技術(shù)監(jiān)測(cè)、技術(shù)管理、技術(shù)評(píng)估、技術(shù)競(jìng)爭(zhēng)情報(bào)分析等[1]。專利文獻(xiàn)是一種重要的技術(shù)文獻(xiàn)，蘊(yùn)含豐富的專利技術(shù)信息，成為技術(shù)挖掘的重要對(duì)象。

對(duì)專利文獻(xiàn)和專利數(shù)據(jù)中的技術(shù)信息進(jìn)行綜合挖掘和分析，宏觀上可應(yīng)用于技術(shù)演變和預(yù)測(cè)研究等；中觀層面上可協(xié)助研究部門進(jìn)行技術(shù)監(jiān)測(cè)與管理、競(jìng)爭(zhēng)情報(bào)分析等；微觀上可以為特定領(lǐng)域的技術(shù)創(chuàng)新和研發(fā)提供知識(shí)服務(wù)，為專利改良或新專利發(fā)明創(chuàng)建基礎(chǔ)[1-2]。專利技術(shù)信息挖掘具有重要的應(yīng)用價(jià)值，因此倍受國(guó)內(nèi)外學(xué)者關(guān)注。

1 專利技術(shù)信息挖掘概述

專利信息挖掘，也稱為技術(shù)挖掘、專利挖掘、專利文本挖掘、專利數(shù)據(jù)挖掘等，是指在創(chuàng)意設(shè)計(jì)、技術(shù)研發(fā)、產(chǎn)品開發(fā)、技術(shù)貿(mào)易、專利訴訟等活動(dòng)中，對(duì)所取得的專利技術(shù)成果從技術(shù)、法律、經(jīng)濟(jì)和戰(zhàn)略層面進(jìn)行剖析、整理、拆分和篩選，從而發(fā)現(xiàn)和獲得有價(jià)值的專利信息的過程，其核心是專利技術(shù)信息、法律信息、經(jīng)濟(jì)信息和戰(zhàn)略信息挖掘[3-5]。專利信息挖掘的核心是專利技術(shù)信息挖掘。

廣義的專利信息挖掘包括專利檢索、專利分析、專利地圖、專利計(jì)量、專利數(shù)據(jù)挖掘和專利文本挖掘等內(nèi)容，其本質(zhì)都是有用專利信息的識(shí)別、發(fā)現(xiàn)、提取和利用，主要內(nèi)容包括專利數(shù)據(jù)分析、專利信息挖掘、潛在規(guī)律發(fā)現(xiàn)、未來趨勢(shì)預(yù)測(cè)等方面。而狹義的專利信息挖掘則僅指專利數(shù)據(jù)挖掘和專利文本挖掘，是利用數(shù)據(jù)挖掘和文本挖掘方法對(duì)專利進(jìn)行研究。專利數(shù)據(jù)挖掘是指利用數(shù)據(jù)挖掘方法直接處理專利元數(shù)據(jù)，得到專利共現(xiàn)、共引或共類、時(shí)間序列和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等方面的研究結(jié)果[6]。專利文本挖掘是指利用文本挖掘方法對(duì)專利文獻(xiàn)的題名、摘要和權(quán)利要求等字段進(jìn)行研究，得到專利術(shù)語、分類和聚類等方面的研究結(jié)果[3]。專利信息挖掘的目的在于通過規(guī)范、有效的專利數(shù)據(jù)和文本挖掘方法，使隱含在專利文獻(xiàn)、專利數(shù)據(jù)庫(kù)和互聯(lián)網(wǎng)中的、有價(jià)值的專利信息顯性化，并以專利的形式進(jìn)行保護(hù)，或以資源的形式加以利用。

專利信息挖掘有助于從主題和內(nèi)容角度對(duì)專利文獻(xiàn)、數(shù)據(jù)庫(kù)和互聯(lián)網(wǎng)中包含的技術(shù)特征（術(shù)語、關(guān)鍵詞等）和法律信息（權(quán)利要求等）及其組合形成的衍生經(jīng)濟(jì)信息（專利價(jià)值、同族專利等）和戰(zhàn)略信息（專利布局、技術(shù)趨勢(shì)等）等進(jìn)行深層次分析，以測(cè)度專利文獻(xiàn)間的相似性，發(fā)現(xiàn)技術(shù)特征關(guān)聯(lián)、演變和規(guī)律等，從而有助于企業(yè)從宏觀層面把握技術(shù)發(fā)展趨勢(shì)，從微觀角度把握技術(shù)創(chuàng)新細(xì)節(jié)，輔助企業(yè)技術(shù)創(chuàng)新決策[3]。因此，專利信息挖掘可以起到梳理技術(shù)創(chuàng)新成果、提升專利申請(qǐng)質(zhì)量、提前規(guī)避專利風(fēng)險(xiǎn)、發(fā)掘未來競(jìng)爭(zhēng)優(yōu)勢(shì)等作用。

專利文本中包含著專利申請(qǐng)?zhí)?、申?qǐng)人、申請(qǐng)日、發(fā)明人、分類號(hào)等結(jié)構(gòu)化信息以及專利摘要、技術(shù)背景及權(quán)力要求等非結(jié)構(gòu)化信息，人工閱讀和分析這些文本信息十分耗時(shí)費(fèi)力。而文本挖掘技術(shù)可以批量處理大量文本數(shù)據(jù)，從中提取有用的信息，從而發(fā)現(xiàn)潛在的知識(shí)或模式。專利文本挖掘涉及專利文本分類、文本聚類、技術(shù)主題識(shí)別、技術(shù)發(fā)展趨勢(shì)分析、合作伙伴尋找等。結(jié)構(gòu)化專利信息提取與挖掘研究已趨成熟，而非結(jié)構(gòu)化專利信息提取與挖掘還處于探索之中。

2 專利技術(shù)信息挖掘的方法與工具

2.1 專利技術(shù)信息挖掘方法

目前國(guó)內(nèi)外常用的專利技術(shù)信息挖掘方法主要有四大類，即基于網(wǎng)絡(luò)、基于分類、基于聚類和基于信息抽取的專利技術(shù)信息挖掘方法。

（1）基于網(wǎng)絡(luò)的專利技術(shù)信息挖掘方法。專利文獻(xiàn)和專利信息在產(chǎn)生和形成過程中會(huì)形成各種網(wǎng)絡(luò)關(guān)系，這些網(wǎng)絡(luò)關(guān)系可以歸為兩類，即共現(xiàn)關(guān)系網(wǎng)絡(luò)（包括專利發(fā)明人和專利權(quán)人合作網(wǎng)絡(luò)、共類網(wǎng)絡(luò)、關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)等各種專利外部特征形成的關(guān)系網(wǎng)絡(luò)）和引證關(guān)系網(wǎng)絡(luò)（包括專利共被引和耦合網(wǎng)絡(luò)）。利用各類專利關(guān)系網(wǎng)絡(luò)可以有效進(jìn)行專利技術(shù)信息挖掘，并可以揭示技術(shù)演進(jìn)路徑[7-8]、挖掘關(guān)鍵技術(shù)子群[9]，預(yù)測(cè)技術(shù)發(fā)展趨勢(shì)[10]、分析技術(shù)發(fā)展態(tài)勢(shì)[11-12]、驗(yàn)證技術(shù)創(chuàng)新網(wǎng)絡(luò)[13]、繪制產(chǎn)業(yè)技術(shù)路線圖[14]等。

（2）基于信息抽取的專利技術(shù)信息挖掘方法。專利文獻(xiàn)的信息抽取是指將體現(xiàn)專利技術(shù)信息的結(jié)構(gòu)化信息從非結(jié)構(gòu)化的專利文本中抽取出來以構(gòu)建結(jié)構(gòu)化語義模型的過程。信息抽取是技術(shù)信息挖掘的基礎(chǔ)，主要包括術(shù)語抽取和術(shù)語關(guān)系抽取兩個(gè)部分。專利技術(shù)術(shù)語及其關(guān)系抽取質(zhì)量直接影響專利技術(shù)信息挖掘的效果。用于專利術(shù)語抽取的方法和算法很多，如基于分詞和詞性標(biāo)注的抽取方法[15]、基于專利術(shù)語邊界標(biāo)記集的抽取方法[16]、基于向量機(jī)（Support vector machine，SVM）的抽取方法[17]等。用于術(shù)語關(guān)系抽取的方法和算法較少，如基于維基百科特征關(guān)系模板、上下文向量相似度和向量機(jī)器學(xué)習(xí)識(shí)別上下位關(guān)系的抽取方法[18]，基于相對(duì)修飾度識(shí)別上下位關(guān)系的抽取方法[19]等。

（3）基于聚類的專利技術(shù)信息挖掘方法。專利聚類常用的方法有層次聚類[20]、K-means聚類[21]、神經(jīng)網(wǎng)絡(luò)[22]、自組織映射[23]和多維尺度分析[24]等。另外，也可以利用專利特征信息共現(xiàn)、引用、共引和同被引關(guān)系等進(jìn)行聚類[25-27]。其中關(guān)鍵詞共現(xiàn)常被用于技術(shù)主題聚類和識(shí)別，是專利技術(shù)信息挖掘的重要方法[28-31]。

（4）基于分類的專利技術(shù)信息挖掘方法。專利分類主要有分類器和基于TRIZ理論的分類兩種。分類器是一種專利自動(dòng)分類工具，目前有基于KNN算法[32]、基于文本挖掘[33]、基于神經(jīng)網(wǎng)絡(luò)（RBFNN）算法[34]、基于SCS和ACS及決策樹算法[35]、基于主動(dòng)學(xué)習(xí)[36]、基于遺傳算法（HGA）等的專利自動(dòng)分類器。TRIZ（Theory of Inventive Problem Solving）理論是一種解決發(fā)明問題的框架，目前有基于TRIZ理論及用戶與規(guī)則[37-38]、基于發(fā)明原理間相似性[39]、面向顯性發(fā)明原理的專利自動(dòng)分類[40-41]等。

2.2 專利技術(shù)信息挖掘工具

常用的專利技信息挖掘工具主要包括兩大類：面向英文專利技術(shù)信息挖掘的工具，如TDA分析系統(tǒng)、Thomson Innovation（TI）分析系統(tǒng)、Innography、OpenRefine等；面向中國(guó)專利技術(shù)信息挖掘的工具，如專利信息分析系統(tǒng)（PIAS）、東方靈盾中外專利分析平臺(tái)、PatentEX、Patentool等。這些工具各有其優(yōu)缺點(diǎn)，如表1和表2所示。

TDA、TI、Innography屬于商業(yè)性專利技術(shù)信息挖掘工具，無論是在統(tǒng)計(jì)分析和引證分析方面，還是在文本挖掘和數(shù)據(jù)挖掘方面都比較成熟。此外， OpenRefine、BibExcel、Node XL、VOSviewer等面向英文的專利技術(shù)信息挖掘工具還可以解決專利數(shù)據(jù)清洗問題[42]。

我國(guó)的專利技術(shù)信息挖掘工具主要是基于專利特征信息統(tǒng)計(jì)分析的挖掘工具，在引證分析、文本挖掘和數(shù)據(jù)挖掘等方面都還存在欠缺。

3 專利技術(shù)信息挖掘?qū)嵶C研究

3.1 數(shù)據(jù)來源與挖掘工具

文章的專利數(shù)據(jù)來源于中國(guó)知網(wǎng)的專利數(shù)據(jù)庫(kù)，在專利名稱字段中輸入“行李箱”，IPC分類號(hào)限定為“A45C”，將專利申請(qǐng)日期設(shè)定為1987年1月1日至2016年12月31日，去掉“外觀設(shè)計(jì)”專利，獲得行李箱相關(guān)專利1 737條。將1 737條專利數(shù)據(jù)按5年一個(gè)時(shí)間段從數(shù)據(jù)庫(kù)中分別用Refworks格式、Endnote格式和引文格式導(dǎo)出，便于專利分析和文本挖掘。

表1 國(guó)外專利技術(shù)挖掘工具

表2 國(guó)內(nèi)專利技術(shù)信息挖掘工具

目前，國(guó)內(nèi)外具有代表性的開源專利技術(shù)信息挖掘工具主要有Weka、LingPipe、 LIBSVM和ROST CM等。其中ROST CM6是由武漢大學(xué)ROST團(tuán)隊(duì)開發(fā)，并對(duì)中文專利技術(shù)信息挖掘支持性最好的工具[43]。因此，文章以ROST CM6為基礎(chǔ)，結(jié)合Citespace對(duì)中文專利技術(shù)信息進(jìn)行深度挖掘和實(shí)證分析。

3.2 專利申請(qǐng)趨勢(shì)分析

1990—2016我國(guó)行李箱專利申請(qǐng)趨勢(shì)如圖1所示。由圖1可知，從1990年到2016年26年間我國(guó)行李箱專利申請(qǐng)總量不大，2010年以前各年專利申請(qǐng)量都很小，處于平穩(wěn)發(fā)展期。這主要是因?yàn)椋阂皇俏覈?guó)行李箱市場(chǎng)需求不大，二是專利申請(qǐng)意識(shí)不強(qiáng)。2000年到2002年專利申請(qǐng)量有小幅增長(zhǎng)，隨后又回落到之前的水平，這說明傳統(tǒng)的行李箱市場(chǎng)已經(jīng)飽和，原有的行李箱技術(shù)已趨成熟，尚未出現(xiàn)新的技術(shù)增長(zhǎng)點(diǎn)。直到2010年，行李箱專利申請(qǐng)量開始出現(xiàn)持續(xù)快速增長(zhǎng)趨勢(shì)，進(jìn)入高速發(fā)展期。這主要是因?yàn)橛脩粜枨笞兓托录夹g(shù)突破所致。

圖1 我國(guó)行李箱專利申請(qǐng)趨勢(shì)

3.3 專利申請(qǐng)類別分析

將1987—2016年我國(guó)行李箱專利申請(qǐng)類別按5年一個(gè)時(shí)間段進(jìn)行統(tǒng)計(jì)分析，如表3所示。為了更清晰地反映我國(guó)行李箱專利技術(shù)發(fā)展趨勢(shì)，除了統(tǒng)計(jì)發(fā)明專利和實(shí)用新型專利外，還設(shè)計(jì)了實(shí)用新型與發(fā)明專利比這一指標(biāo)，用于體現(xiàn)技術(shù)生長(zhǎng)和技術(shù)成熟度。

從表3可以看出，行李箱實(shí)用新型專利申請(qǐng)量遠(yuǎn)遠(yuǎn)多于發(fā)明專利，實(shí)用新型專利從第一個(gè)5年到第三個(gè)5年都處于持續(xù)增長(zhǎng)期，說明該領(lǐng)域技術(shù)改進(jìn)占據(jù)主導(dǎo)。第四個(gè)5年實(shí)用新型專利申請(qǐng)所有下降，表明行李箱技術(shù)趨于成熟，尚未找到新的突破點(diǎn)。之后，實(shí)用新型專利申請(qǐng)量出現(xiàn)持續(xù)高速增長(zhǎng)態(tài)勢(shì)。而發(fā)明專利在前四個(gè)5年期都處于平穩(wěn)發(fā)展?fàn)顟B(tài)，之后也開始持續(xù)快速增長(zhǎng)，說明我國(guó)行李箱技術(shù)適應(yīng)市場(chǎng)需求找到了新的突破口，行業(yè)發(fā)展也進(jìn)入到了一個(gè)新的發(fā)展時(shí)期。實(shí)用新型專利申請(qǐng)量增長(zhǎng)速度高于發(fā)明專利申請(qǐng)量，表明該技術(shù)、市場(chǎng)和產(chǎn)業(yè)成熟度不斷提升。

表3 我國(guó)行李箱專利申請(qǐng)類別統(tǒng)計(jì)表

3.4 專利申請(qǐng)區(qū)域分析

利用Excel的分類、匯總、統(tǒng)計(jì)功能將省區(qū)地理字段抽出，得到我國(guó)行李箱專利申請(qǐng)主要省區(qū)分表，如表4所示。

從表4可以發(fā)現(xiàn)，1992—2011年間，臺(tái)灣、廣東和北京三地行李箱專利申請(qǐng)最多，重點(diǎn)是行李箱結(jié)構(gòu)和功能。而近10年來，沿海省份，如江蘇、廣東、浙江、上海、福建等，成為行李箱研發(fā)的主力軍，發(fā)展最為迅速。沿海地區(qū)在技術(shù)、市場(chǎng)、人力、資源等方面有得天獨(dú)厚的區(qū)域優(yōu)勢(shì)。

表4 我國(guó)行李箱專利申請(qǐng)主要省區(qū)分布

3.5 專利發(fā)明人合作網(wǎng)絡(luò)分析

將從中國(guó)知網(wǎng)專利數(shù)據(jù)庫(kù)中導(dǎo)出的Refworks格式專利數(shù)據(jù)導(dǎo)入Citespace，抽取“Author（作者）”字段（分析前務(wù)必將“FD”字段替換為“YR”字段），生成專利發(fā)明人合作網(wǎng)絡(luò)圖譜。如圖2所示。觀察各時(shí)間段的專利發(fā)明人合作網(wǎng)絡(luò)，都比較松散，沒有形成規(guī)模較大且有影響的發(fā)明合作群體。只有2012—2016年的發(fā)明人合作網(wǎng)絡(luò)中出現(xiàn)了5個(gè)較為明顯的專利發(fā)明人合作群體，最大的發(fā)明人合作群體是以黃定為代表的7人研發(fā)團(tuán)隊(duì)，重點(diǎn)技術(shù)研發(fā)領(lǐng)域是智能行李箱及包含移動(dòng)平臺(tái)的行李箱。第二大合作群體是以徐靜為代表的6人研發(fā)團(tuán)體，研發(fā)重心是自動(dòng)控制和智能行李箱。其他3個(gè)合作群體都比較小?？梢姡覈?guó)的行李箱技術(shù)創(chuàng)新以個(gè)體獨(dú)立研發(fā)為主，這可能與行李箱產(chǎn)品的結(jié)構(gòu)簡(jiǎn)單、功能單一等特征有關(guān)。隨著科學(xué)技術(shù)的發(fā)展以及人民需求的多樣化，智能、多功能行李箱技術(shù)將成為技術(shù)創(chuàng)新和研發(fā)的重點(diǎn)，個(gè)人研發(fā)、獨(dú)立作戰(zhàn)將難以適應(yīng)，團(tuán)隊(duì)合作、集體攻關(guān)將成為常態(tài)。

圖2 2012—2016年行李箱專利發(fā)明人合作網(wǎng)絡(luò)

3.6 專利申請(qǐng)主題分析

用ROST CM6在進(jìn)行專利申請(qǐng)主題分析之前，必須進(jìn)行分詞和抽詞，否則顯示的結(jié)果為亂碼。

（1）分詞。將導(dǎo)出的Endnote格式的專利文本數(shù)據(jù)進(jìn)行“取消自動(dòng)換行”設(shè)置，保證每個(gè)字段一行，確保專利名稱、摘要等字段按行抽取。為了節(jié)省時(shí)間同時(shí)又能保證準(zhǔn)確率，先用在線隨機(jī)數(shù)生成器抽取200條專利申請(qǐng)數(shù)據(jù)構(gòu)建語料庫(kù)，然后再用200條專利申請(qǐng)數(shù)據(jù)進(jìn)行測(cè)試，并補(bǔ)充語料庫(kù)；最后對(duì)所有專利申請(qǐng)文本中的摘要進(jìn)行分詞。分詞后，將六個(gè)5年的單個(gè)文檔合并，復(fù)制粘貼到Word文檔中，用“查找替換”功能對(duì)分詞結(jié)果進(jìn)行修改，主要是修改結(jié)構(gòu)、技術(shù)、功能等方面的術(shù)語。

（2）抽詞。在ROST CM中選用“輔助詞群抽取”，對(duì)專利申請(qǐng)摘要中的術(shù)語進(jìn)行抽取。先建立名為“%AB”的文本文檔（TXT格式）作為詞群文檔，正文為“% AB”,是摘要字段分詞后的結(jié)果。

（3）主題分析。修正分詞并抽取摘要后，對(duì)每個(gè)時(shí)間段的摘要進(jìn)行詞頻統(tǒng)計(jì)，然后使用“標(biāo)簽云”構(gòu)建語義網(wǎng)絡(luò)并進(jìn)行可視化展示。如圖3、圖4、圖5、圖6和圖7所示。在使用“標(biāo)簽云”時(shí)，可通過系統(tǒng)自帶的、可編輯的“highfreinvalid”文本文檔過濾掉無實(shí)際意義的詞，以利于語義網(wǎng)構(gòu)建和可視化展示。建議將“highfreinvalid”文本文檔復(fù)制一份并另命名，如“highfreinvalid-1”，用于存放在任何領(lǐng)域均無實(shí)際意義的詞，如“雖然”“但是”等，作為停用詞。而“highfreinvalid”用于存放該技術(shù)領(lǐng)域有意義的詞，如“行李箱”等。在進(jìn)行語義網(wǎng)絡(luò)構(gòu)建時(shí)會(huì)自動(dòng)使用“highfreinvalid”的文檔，可以避免修改。備份文檔可用于其他領(lǐng)域分析時(shí)補(bǔ)充擴(kuò)展。

圖3 1987—1991年行李箱專利語義網(wǎng)

圖3表明，1987—1991年共申請(qǐng)了4件行李箱專利，早期的行李箱技術(shù)主要集中在行李箱構(gòu)造以及穩(wěn)固上，骨架、外殼和展開是行李箱構(gòu)造的三個(gè)重要方面，而其中行李箱中央位置的剛性最受關(guān)注。

圖4表明，1997—2001年間行李箱技術(shù)快速發(fā)展，出現(xiàn)了更多的行李箱專利術(shù)語，重點(diǎn)集中在“拉桿”“把手”“上鎖”“伸縮”等方面的設(shè)計(jì)，以及“定位”“控制”“容量”等功能的改良方面，且術(shù)語在之后的15年中始終有較高的頻次。

圖4 1997—2001年行李箱專利語義網(wǎng)

圖5表明，2002—2006年間行李箱技術(shù)重點(diǎn)在對(duì)行李箱功能進(jìn)行改進(jìn)方面。如果過濾掉一些如“行李箱” 等常見的高頻詞（分辨度小的詞匯）后生成專利術(shù)語標(biāo)簽云可視化圖，可以顯示出一些新的行李箱技術(shù)領(lǐng)域。黑色框中的術(shù)語是這一時(shí)間段行李箱技術(shù)領(lǐng)域重點(diǎn)關(guān)注的專利申請(qǐng)動(dòng)向，如“剎車”“彈簧”“減震”“折疊”“組裝”“省力”“連接”等。而行李箱結(jié)構(gòu)方面的技術(shù)已經(jīng)成熟，這些詞成為常用詞出現(xiàn)，沒有了分辨意義，因此可以過濾掉。

圖5 2002—2006年行李箱專利術(shù)語的標(biāo)簽云

圖6 2007—2011年行李箱專利術(shù)語的標(biāo)簽云

圖6表明，2007—2011年間行李箱技術(shù)領(lǐng)域掀起“多功能”行李箱熱潮，各種創(chuàng)新的功能組合涌現(xiàn)。黑色框中的“休息”和“座椅”，“樓梯”和“臺(tái)階”，“重量”和“防水”等功能，甚至出現(xiàn)了趣味性的“滑板”功能。市場(chǎng)需求表現(xiàn)多樣化趨勢(shì)，行李箱專利申請(qǐng)量也明顯增加，實(shí)用新型專利申請(qǐng)量從第四個(gè)5年的90件激增至234件。與此同時(shí)，對(duì)行李箱 “拉鏈”等結(jié)構(gòu)，以及“折疊”“支撐”“控制”等功能仍受到一定程度的關(guān)注。此外，“電動(dòng)機(jī)”“充電”等一些新詞匯出現(xiàn)，預(yù)計(jì)這些術(shù)語可能成為下一個(gè)5年的技術(shù)熱點(diǎn)。

在知識(shí)經(jīng)濟(jì)時(shí)代，技術(shù)創(chuàng)新已成為企業(yè)發(fā)展的核心競(jìng)爭(zhēng)。圖7表明，如果去掉一些結(jié)構(gòu)和功能方面的、常見的、高頻且無分辨意義的術(shù)語后發(fā)現(xiàn)，2012—2016年間行李箱專利技術(shù)主要集中在電動(dòng)、智能、安全、多功能等方面（用長(zhǎng)方形直角框標(biāo)注）。其中電動(dòng)方面術(shù)語有“電機(jī)”“電源”“充電”等，智能方面的術(shù)語有“無線”“智能”“傳感器”“信號(hào)”“電子”等。在當(dāng)今信息技術(shù)高度發(fā)達(dá)的信息時(shí)代，智能化是行李箱技術(shù)發(fā)展的必然趨勢(shì)。安全方面的術(shù)語有“防盜”“安全”“密碼鎖”“報(bào)警”等。安全功能貫穿整個(gè)行李箱的技術(shù)生命周期，在各個(gè)階段都受到重點(diǎn)關(guān)注。因?yàn)橄M(fèi)者的安全需求對(duì)行李箱技術(shù)的發(fā)展起著決定性作用，可以預(yù)見，將來結(jié)合新技術(shù)的行李箱的安全設(shè)計(jì)仍會(huì)是專利申請(qǐng)的重點(diǎn)。多功能方面的術(shù)語有“滑板”、“重量”顯示、爬“樓梯”等，但重要性下降，居于次要地位。此外，還出現(xiàn)一些新的術(shù)語，如“材料”“芯片”“手機(jī)”（用橢圓標(biāo)出）等，會(huì)成為下一階段行李箱技術(shù)創(chuàng)新的核心。將來行李箱可能會(huì)內(nèi)置智能芯片或與“手機(jī)”等移動(dòng)設(shè)備緊密結(jié)合，產(chǎn)生更加智能化、便捷、安全的多功能行李箱。隨著國(guó)際市場(chǎng)競(jìng)爭(zhēng)的加劇和新技術(shù)的挑戰(zhàn)，我國(guó)的行李箱技術(shù)領(lǐng)域還有廣闊的拓展空間。

圖7 2012—2016年行李箱專利術(shù)語的標(biāo)簽云

4 結(jié)語

目前專利技術(shù)信息挖掘的方法主要有專利特征元素統(tǒng)計(jì)分析、專利文本挖掘、專利數(shù)據(jù)挖掘（關(guān)聯(lián)規(guī)則挖掘）、專利地圖挖掘等，并涌現(xiàn)出大量成熟的專利數(shù)據(jù)庫(kù)和專利分析工具，如德溫特專利數(shù)據(jù)庫(kù)（DII）及分析工具TDA，但這些分析工具不能分析中國(guó)的專利數(shù)據(jù)。我國(guó)國(guó)內(nèi)也產(chǎn)生了一些專利分析工具，可以完成結(jié)構(gòu)化的基本專利信息分析并提供可視化結(jié)果，但不能提供精確的專利分類分析以及從非結(jié)構(gòu)化專利摘要和權(quán)利說明書中進(jìn)行文本分析、關(guān)鍵詞分析等功能。因此無法開展深入有效的專利技術(shù)信息挖掘。因此，找到一套合適的可以對(duì)中文專利摘要和權(quán)利說明書進(jìn)行文本分析的方法與工具，并挖掘其中潛藏的技術(shù)信息具有重要的應(yīng)用價(jià)值。

使用ROST CM6對(duì)專利文獻(xiàn)中的技術(shù)信息進(jìn)行挖掘，可以直接深入分析專利文本中的名稱、摘要、權(quán)利要求書等內(nèi)容信息，明確專利技術(shù)研發(fā)的重點(diǎn)。但ROST CM6也存在一些缺陷，如由于專利摘要中的信息過于細(xì)致，從而導(dǎo)致信息雜亂而分散，影響分析和判斷的精確性，如果在分詞過程中有類似于Mesh詞表這樣的專利技術(shù)術(shù)語表進(jìn)行規(guī)范的話，會(huì)大大提升分析精度。

（來稿時(shí)間：2017年7月）

參考文獻(xiàn)：

1. Alan L. Porter, Cunninggham S. Tech mining： exploiting new technologies for competitive advantage [J].John Wiley & Sons,2005：17-23.

2.呂詳惠，仇寶艷，喬鴻，等.基于本體的專利知識(shí)發(fā)現(xiàn)體系研究[J].計(jì)算機(jī)與信息技術(shù)，2008（7）：43-46.

3.馬天旗.專利分析方法、圖表解讀與情報(bào)挖掘[M].北京：知識(shí)產(chǎn)權(quán)出版社，2015 .

4.楊鐵軍.企業(yè)專利工作實(shí)務(wù)手冊(cè)[M].北京：知識(shí)產(chǎn)權(quán)出版社，2013 .

5.董新蕊，朱振宇.專利分析運(yùn)用實(shí)務(wù)[M].北京：國(guó)防工業(yè)出版社，2016.

6.文庭孝.專利信息計(jì)量研究綜述[J].圖書情報(bào)知識(shí)，2014（5）：72-80.

7.范維熙,費(fèi)鐘琳.基于德溫特專利引文網(wǎng)絡(luò)的技術(shù)演進(jìn)路徑研究——以太陽(yáng)能電池技術(shù)為例[J].情報(bào)雜志，2014（11）：62-66.

8.劉小玲,譚宗穎.基于專利網(wǎng)絡(luò)的技術(shù)演進(jìn)研究方法探索[J].科學(xué)學(xué)研究，2013（5）：651-656, 731.

9.周磊,楊威.基于專利IPC的技術(shù)知識(shí)流網(wǎng)絡(luò)挖掘[J].現(xiàn)代情報(bào)，2016（1）：45-50.

10.張昕,姜馬.基于專利技術(shù)共現(xiàn)網(wǎng)絡(luò)的產(chǎn)業(yè)共性技術(shù)遴選研究——以我國(guó)生物產(chǎn)業(yè)為例[J]. 中國(guó)科技論壇，2015（1）：73-77.

11.翟東，孫武，張杰，等.基于動(dòng)態(tài)網(wǎng)絡(luò)分析的LTE TDD技術(shù)專利分析[J].情報(bào)雜志，2014（7）： 63-69, 43.

12.李登杰，崔東升，馮秀珍，等.基于動(dòng)態(tài)網(wǎng)絡(luò)的石墨烯專利技術(shù)分析[J].情報(bào)雜志，2015（10）：52-58, 33.

13.劉曉燕,阮平南,李非凡.基于專利的技術(shù)創(chuàng)新網(wǎng)絡(luò)演化動(dòng)力挖掘[J].中國(guó)科技論壇，2014（3）：136-141.

14.劉彤,侯元元,吳晨生.多重關(guān)系專利網(wǎng)絡(luò)分析方法在產(chǎn)業(yè)技術(shù)路線圖的應(yīng)用[J].情報(bào)雜志，2015（3）：65-70, 76.

15.曾鎮(zhèn)，呂學(xué)強(qiáng)，李卓.一種面向?qū)＠念I(lǐng)域術(shù)語抽取方法[J].計(jì)算機(jī)應(yīng)用與軟件，2016（3）：48-51.

16.丁杰,呂學(xué)強(qiáng),劉克會(huì).基于邊界標(biāo)記集的專利文獻(xiàn)術(shù)語抽取方法[J].計(jì)算機(jī)工程與科學(xué)，2015（8）：1591-1598.

17.陳憶群，周如旗，朱蔚恒，等.挖掘?qū)＠R(shí)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（8）：1740-1752.

18.曾鎮(zhèn).專利本體中術(shù)語及術(shù)語間關(guān)系抽取研究[D].北京：北京信息科技大學(xué)碩士論文，2015.

19.李軍鋒.專利領(lǐng)域本體學(xué)習(xí)方法研究[D].北京：北京信息科技大學(xué)碩士論文，2015.

20.蔡爽,黃魯成.基于聚類分析的專利申請(qǐng)組合研究[J].科技管理研究，2009（4）：269-271.

21. Kejzar N, Korenjak Cerne S, Batagelj V. Clustering of distributions： A case of patent citations[J]. Journal of Classification,2011, 28（2）：156-183.

22.田冬陽(yáng).基于M3-DGMF的專利數(shù)據(jù)聚類方法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2013, 30（3）：297-303.

23. Huang Suhsien, Ke Haoren, Yang Wei pang. Structure clustering for Chinese patent documents[J].Expert Systems with Applications，2008, 34（4）：2290-2297.

24.郝智勇，賀明科，譚文堂，等.基于多維標(biāo)度法的專利文本可視化聚類研究[J].計(jì)算機(jī)應(yīng)用研究，2010, 27（12）：4606-4607.

25. Chang Shann bin, Lai Kuei kuei, Chang Shu min.Exploring technology diffusion and classification of business methods： Using the patent citation network[J].Technological Forecasting &Social Change, 2009, 76（1）：107-117.

26. Lai Kuei kuei, Wu Shiao jun. Using the patent co-citation approach to establish a new patent classification system[J].Information Processing and Management，2005, 41（2）：313-330.

27.李睿， 張玲玲，郭世月.專利同被引聚類與專利引用耦合聚類的對(duì)比分析[J].圖書情報(bào)工作，2012, 56（8）：91-95.

28. Kang I S,Na S H, Kim J. Cluster-based Patent Retrieval[J].Information Processing& Management, 2007, 43（5）：1173-1182.

29. Kim Y G, Suh J H, Park S C. Visualization of Patent Analysis for Emerging Technology[J]. Expert Systems with Applications, 2008,34（3）：1804-1812.

30. Wang M Y, Chang D S, Kao C H. Identifying Technology Trends for R&D Planning Using TRIZ and Text Mining[J].R&D Management, 2010, 40（5）：491-509.

31. Yoon J, Kim K. Detecting Signals of New Technological Opportunities Using Semantic Patent Analysis and Outlier Detection[J].Scientometrics, 2012, 90（2）：445-461.

32. 苑迪文.基于KNN的專利文本分類算法研究[D].焦作：河南理工大學(xué)碩士論文，2012.

33.馬芳.基于神經(jīng)網(wǎng)絡(luò)的文本挖掘在專利自動(dòng)分類中的研究與應(yīng)用[D].淄博：山東理工大學(xué)碩士論文，2009.

34.梁靜，徐亮，程文堂.機(jī)器學(xué)習(xí)算法在藥物專利分類中的應(yīng)用研究[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2007, 24（10）：1341-1344.

35.葉志飛.并行化最小最大模塊化支持向量機(jī)及其在專利分類中的應(yīng)用[D].上海：上海交通大學(xué)碩士論文，2009.

36. Zhang Xiao yu. Interactive patent classification based on multi-classifier fusion and active learning[J].Neuro computing，2014, 127（1）：200-205.

37. Loh H, He Cong, Shen Li xiang. Automatic classification of patent documents for TRIZ users[J]. World Patent Information,2006, 28（1）：6-13.

38. He Cong, Loh H. Pattern-oriented associative rule-based patent classification[J]. Expert Systems with Applications, 2010, 37（3）：2395-2404.

39. He C, Loh H T. Grouping of TRIZ Inventive Principles to Facilitate Automatic Patent Classification[J]. Expert Systems with Applications, 2008, 34（1）：788-795.

40.翟繼強(qiáng),王克奇. 依據(jù)TRIZ發(fā)明原理的中文專利自動(dòng)分類[J].哈爾濱理工大學(xué)學(xué)報(bào)，2013, 18（3）：1-5.

41.袁力,陳陽(yáng),趙勇.面向TRIZ理論使用者的多標(biāo)簽專利分類[J].計(jì)算機(jī)科學(xué)，2013（11）：255-258, 266.

42.彭茂祥,李浩.基于大數(shù)據(jù)視角的專利分析方法與模式研究[J].情報(bào)理論與實(shí)踐，2016（7）：108-113.

43.張?chǎng)?許鑫.文本挖掘工具述評(píng)[J].圖書情報(bào)工作，2012（8）：26-31, 55.