[發明專利]一種基于大數據的專利文章整合系統和方法

在審

• 申請號: 201710367316.8
• 申請日: 2017-05-23
• 公開（公告）號: CN107273432A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 周鈺徐
• 申請（專利權）人: 合肥智權信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 合肥市長遠專利代理事務所(普通合伙)34119
• 代理人: 段曉微,葉美琴

技術領域

本發明涉及數據處理技術領域，尤其涉及一種基于大數據的專利文章整合系統和方法。

背景技術

隨著時代的發展，科技的進步，截至2014年，我國知識產權總體發展狀況在全世界40個主要國家中居第8位，總體實力與世界一流知識產權強國的距離進一步縮小，由此專利領域的技術的文章數據的產出速度變得很快，專利信息已經正式進入大數據時代。但是一般非專利領域的人員在互聯網上搜索專利非常困難，當他們想要進行專利的申請或檢索時卻無從下手，一些檢索平臺網上瀏覽和自主下載會浪費大量的時間，其次，隨著互聯網的發展，文章中總是出現大量廣告、鏈接等無用信息，這給人們閱讀和使用時產生很大的困擾，降低人們的使用體驗。

發明內容

基于背景技術存在的技術問題，本發明提出了一種基于大數據的專利文章整合系統和方法；

本發明提出的一種基于大數據的專利文章整合系統，包括：

數據獲取模塊，用于從網絡大數據的數據庫中下載專利領域的文章，得到專利文章集合A_i；

廣告隱藏模塊，用于隱藏A_i中的廣告信息，得到有效專利文章集合B_i；

數據篩選模塊，用于將B_i中的有效專利文章與本地數據庫中文章進行重合度比較，刪除B_i中有效專利文章的重合度值大于預設閾值的有效專利文章，得到目標專利文章集合C_j，將C_j中目標專利文章存入本地數據庫；

數據檢索模塊，用于向用戶提供本地數據庫檢索界面，并向用戶展示通過檢索條件檢索到的目標專利文章。

優選地，所述數據獲取模塊，具體用于：通過互聯網爬蟲從網絡大數據的數據庫中下載專利文章。

優選地，所述廣告隱藏模塊，具體用于：

提取A_i中一篇專利文章的句子，得到所述專利文章的句子集合D_m；

將D_m中各句子進行相互間相似度比較，隱藏所述專利文章中相似度低于預設相似度值的句子；

當A_i中所有專利文章均進行相互間相似度比較和隱藏操作后，得到有效專利文章集合B_i。

優選地，所述數據篩選模塊，還用于：在將C_j中目標專利文章存入本地數據庫之前，將C_j中各目標專利文章按照文章標題建立索引；和/或，在將C_j中目標專利文章存入本地數據庫之前，將C_j中各目標專利文章按照技術領域建立索引。

優選地，還包括任務分配模塊，與數據獲取模塊連接，用于當到達預設時間點時，啟動數據獲取模塊開始工作。

一種基于大數據的專利文章整合方法，包括：

S1、從網絡大數據的數據庫中下載專利領域的文章，得到專利文章集合A_i；

S2、隱藏A_i中下載的專利文章中的廣告信息，得到有效專利文章集合B_i；

S3、將B_i中的有效專利文章與本地數據庫中文章進行重合度比較，刪除B_i中有效專利文章的重合度值大于預設閾值的有效專利文章，得到目標專利文章集合C_j，將C_j中目標專利文章存入本地數據庫；

S4、向用戶提供本地數據庫檢索界面，并向用戶展示通過檢索條件檢索到的目標專利文章。

優選地，步驟S1，具體包括：通過互聯網爬蟲從網絡大數據的數據庫中下載專利文章。

優選地，步驟S2，具體包括：

S21、提取A_i中一篇專利文章的句子，得到所述專利文章的句子集合D_m；

S22、將D_m中各句子進行相互間相似度比較，隱藏所述專利文章中相似度低于預設相似度值的句子；

S23、在A_i中所有專利文章均進行步驟S21、S22操作后，得到有效專利文章集合B_i。