基于專利分析的技術(shù)樹構(gòu)建

李健博 張麗瑋

摘要：技術(shù)樹是用來表示某一領(lǐng)域中產(chǎn)品組成，技術(shù)和技術(shù)功能之間關(guān)系的樹形圖。本研究的目的是使用計算機相關(guān)技術(shù)，多維度地、快速地構(gòu)建產(chǎn)業(yè)技術(shù)樹。本研究主要使用自然語言處理技術(shù)提取專利文本中的主體一動作一客體結(jié)構(gòu)（SAO），然后使用數(shù)據(jù)挖掘技術(shù)對上述結(jié)構(gòu)分類、處理、標注，最終構(gòu)建技術(shù)樹。本文使用“捕獲碳（吸附和溶劑）”專利數(shù)據(jù)集構(gòu)建了產(chǎn)業(yè)技術(shù)樹，并從產(chǎn)品、技術(shù)和功能的視角分別展示了技術(shù)樹的特征。

關(guān)鍵詞：文本挖掘;自然語言處理;技術(shù)樹;SAO結(jié)構(gòu)

引言

技術(shù)樹是用來表示特定技術(shù)領(lǐng)域或單體組織中技術(shù)特征及技術(shù)間關(guān)系的樹結(jié)構(gòu)圖，通常包含某特定技術(shù)領(lǐng)域的產(chǎn)品組件、技術(shù)以及技術(shù)的功能及其使用效果之間關(guān)系的樹形結(jié)構(gòu)圖，是技術(shù)規(guī)劃的重要決策工具。通過技術(shù)樹的構(gòu)建，用于幫助技術(shù)管理人員梳理并展示企業(yè)的技術(shù)體系架構(gòu)，助力于企業(yè)技術(shù)戰(zhàn)略決策的制定。

目前，對于技術(shù)樹的構(gòu)建常用的主要有兩種方法，分別是基于TRIZ理論中的技術(shù)進化樹理論進行構(gòu)建和通過提取技術(shù)、產(chǎn)品等相關(guān)信息，根據(jù)原始信息的邏輯結(jié)構(gòu)進行技術(shù)樹的構(gòu)建。上述研究成果已經(jīng)取得了一定的成果，但由于技術(shù)樹構(gòu)建很大程度上依賴專家和構(gòu)建者的知識和經(jīng)驗，從而存在人為主觀性強、自動化差等問題。

針對上述問題，本研究使用文本挖掘和自然語言處理技術(shù)對專利進行，實現(xiàn)自動化技術(shù)樹構(gòu)建研究，從而對企業(yè)技術(shù)結(jié)構(gòu)進行多維度展示。其中，具體流程框架如圖1所示：

1技術(shù)樹構(gòu)建

本文使用文本挖掘和自然語言處理技術(shù)對專利文獻進行深入解讀和分析，提取SAO結(jié)構(gòu)，并對A0結(jié)構(gòu)分類、標注等，最終構(gòu)建技術(shù)樹。

1.1提取SA0結(jié)構(gòu)

提取SAO結(jié)構(gòu)的步驟包括：篩選專利數(shù)據(jù)，抽取SAO結(jié)構(gòu)。

①選擇專利語料。針對需要研究的企業(yè)，確定檢索式，檢索獲取其相關(guān)專利文獻。為確保研究的有效性，本文選取“摘要”和“權(quán)利要求書”作為分析語料，進行SAO結(jié)構(gòu)的抽取。

②抽取SAO結(jié)構(gòu)

提取SAO結(jié)構(gòu)主要依賴自然語言處理技術(shù)，在此之前需要先對文本進行預(yù)處理，包括分句、分詞、去除停用詞、詞性標注、依存句法分析等操作，從而提取SAO結(jié)構(gòu)，如圖2所示。

1.2深度標注SA0結(jié)構(gòu)

在提取和分類SAO的基礎(chǔ)上，對s和AO進行標注。詞組包括產(chǎn)品、技術(shù)、技術(shù)屬性和材料類型，AO包括從屬類型、功效類型和屬性優(yōu)化。

（1）衡量SAO結(jié)構(gòu)相似度

提取的SAO結(jié)構(gòu)數(shù)量眾多，其中包含很多意思相似的詞組和短語，例如“二氧化碳的回收”、“分離C02”、“除去二氧化碳”，因此需要將他們聚類，并且用更具代表性的詞語標記他們。

本文使用機器學(xué)習(xí)中第三方模塊sklearn（Scikit-learn）中的TfidfVectorizer將文本轉(zhuǎn)化為向量，然后用向量的余弦值表示SAO相似度。

提取的SAO結(jié)構(gòu)具有以下特征：可能有很多無效數(shù)據(jù)，而且無法提前獲知聚類的簇的數(shù)量?；诿芏鹊木垲愃惴ú恍枰付ù氐臄?shù)目，而且能夠識別噪聲數(shù)據(jù)，所以本文使用DBSCAN聚類算法對短語和AO分類。

（2）s和0的類型標注

根據(jù)聚類的結(jié)果將s和0標注為四種類型，包括產(chǎn)品、技術(shù)、技術(shù)屬性和材料（表1）。

（3）A0類型標注

根據(jù)聚類的結(jié)果將AO標注為三種類型，包括從屬類型，功效類型和屬性優(yōu)化。（表3）

1.3構(gòu)造技術(shù)樹

技術(shù)樹的類型及構(gòu)造方法

相應(yīng)的，技術(shù)樹可以分成“產(chǎn)品”技術(shù)樹、“技術(shù)”技術(shù)樹和“功效”技術(shù)樹。

“產(chǎn)品”技術(shù)樹表示產(chǎn)品和組成產(chǎn)品的部件之間的關(guān)系，技術(shù)樹的節(jié)點是被標記為產(chǎn)品的詞組，例如“吸收劑”由“循環(huán)流化床反應(yīng)器”、“埋管式換熱器”等組成，如圖3示。

“技術(shù)”技術(shù)樹表示產(chǎn)品和組成產(chǎn)品的部件之間的技術(shù)關(guān)系，技術(shù)樹的節(jié)點可以是被標記為技術(shù)類型的詞組或者是描述技術(shù)屬性的AO結(jié)構(gòu)。

“功能”技術(shù)樹表示產(chǎn)品或技術(shù)的功能和功能之間的關(guān)系，技術(shù)樹的節(jié)點是描述產(chǎn)品或技術(shù)功能的AO結(jié)構(gòu)。

2實證研究

為確保上述研究結(jié)果的準確性和有效性，本文應(yīng)用“碳捕獲”領(lǐng)域的專利數(shù)據(jù)構(gòu)建技術(shù)樹，驗證本文提出方法的可行性。

2.1SAO結(jié)構(gòu)抽取和標注

本研究使用哈工大自然語言處理工具ltp進行語義依存分析，結(jié)合語法規(guī)則，使用Python～言編寫程序提取SAO結(jié)構(gòu)。程序處理“中國石油化工股份有限公司”的數(shù)據(jù)集得到331個SAO結(jié)構(gòu)，部分數(shù)據(jù)見表3

然后，使用基于向量空間模型的TF-IDF將SAO結(jié)構(gòu)轉(zhuǎn)換成向量，使用DBSCAN聚類算法對短語和AO分類并標注類型。

2.2技術(shù)樹構(gòu)建與分析

本實驗構(gòu)建了一個程序，其使用了Python的Pandas庫從SQL Server取出標記好的SAO結(jié)構(gòu)，然后使用Python的繪圖庫Matplotlib將技術(shù)書畫出來，保存成圖片。該程序生成了三種類型的技術(shù)樹圖，包括“產(chǎn)品”技術(shù)樹、“技術(shù)”技術(shù)樹和“功能”技術(shù)樹，分別如圖6、圖7和圖8所示。

（1）“產(chǎn)品”技術(shù)樹

一種脫除混合氣體中H2s、CO2和有機硫的固體吸附劑”的“產(chǎn)品”技術(shù)樹。（圖6）

（2）“技術(shù)”技術(shù)樹

“一種聚對苯二胺/石墨烯基氮摻雜多孔碳材料制備方法”構(gòu)建的“技術(shù)”技術(shù)樹。

（P代表產(chǎn)品節(jié)點、T代表技術(shù)節(jié)點）

（3）“功能”技術(shù)樹

“離子液體的二氧化碳吸收劑”構(gòu)建的“功能”技術(shù)樹。（圖11）

（F代表功能節(jié)點）

3結(jié)束語

本研究彌補了傳統(tǒng)方法構(gòu)建專利技術(shù)樹的不足，如提高技術(shù)樹構(gòu)建速度，降低對專家知識的依賴，減少工作量，多視角展示技術(shù)樹等。本研究以“碳捕獲”專利數(shù)據(jù)集為例，構(gòu)建并分析了不同種類的技術(shù)樹。