[發明專利]一種基于知識產權大數據的情報調查方法、系統和存儲介質

在審

• 申請號: 202010790498.1
• 申請日: 2020-08-07
• 公開（公告）號: CN111737477A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 耿德強;武偉;劉洋;李楊
• 申請（專利權）人: 杭州六棱鏡知識產權科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06F16/33;G06F16/31;G06F16/215;G06F16/28
• 代理公司: 杭州創智卓英知識產權代理事務所(普通合伙) 33324
• 代理人: 唐超文

1.一種基于知識產權大數據的情報調查方法，包括以下步驟：

S1、數據獲取步驟：獲取多元多樣化的數據信息，其中多元多樣化的數據信息包括結構化文本、非結構化文本、其他數據信息；

S2、數據處理步驟：包括數據清洗，數據分類，添加標簽；

S3、實體關系挖掘步驟：從多元多樣化的數據信息中挖掘出實體關系；

S4、情報信息存儲步驟：將挖掘出的實體關系存儲在存儲器中形成情報數據庫；其中，

在數據獲取步驟中，所述多元多樣化的數據信息包括知識產權數據信息、工商注冊企業數據信息、企業投資和融資數據；

在實體關系挖掘步驟中，利用語義序列核函數對訓練數據樣本空間中每個樣本X進行計算，計算X與訓練數據樣本空間中的其他樣本的相似度s，其中s為0~1之間的實數；并利用層次聚類方法，將訓練數據樣本空間進行聚類，并采用平均相似度進行簇間度量，度量公式為：

式中，l_i、l_j代表訓練樣本空間中的子簇，ni、nj分別代表第i個和第j個樣本，p、p’代表各簇中的樣本；

在聚類過程中，限定簇間相似度滿足終止閾值：

其中終止閾值ε設置為0.9~1。

2.根據權利要求1所述的方法，在步驟S1中，將購買自第三方的數據信息直接錄入數據庫，或者利用java程序或Sqoop工具將結構化的Excel數據表，或者利用解析工具將xml文件根據預定規則解析后提取到數據庫中；來自網頁上的非結構化數據通過網絡蜘蛛技術抓取并將獲取的頁面信息存入數據庫中。

3.根據權利要求1所述的方法，在步驟S2中，數據處理步驟包括數據清洗預加工，數據分類聚類以及對關鍵詞添加標簽的步驟。

4.根據權利要求3所述的方法，在所述數據清洗預加工步驟中，數據清洗過程包括“重復數據清洗”、“缺失數據填充”和“糾正或刪除錯誤數據”三個部分。

5.根據權利要求3所述的方法，在所述數據分類聚類步驟中，完成切詞的分類聚類處理后，對所提取的關鍵詞添加標簽，并將其作為模型分析的計算指標。

6.根據權利要求3或5之一所述的方法，所述對關鍵詞添加的標簽包括實體類型標簽，例如企業、高校院所、研究機構、個人；關系類標簽，例如股東、投資、并購、高管、技術合作、技術轉移、技術許可、工程師流動、高管流動、競爭、上下游；行業類標簽，包括但不限于農業、通信業、林業、醫藥制造業、金屬采掘業；地址類標簽，例如國別、省市、街道、園區、郵政編碼；身份類標簽，包括但不限于董事、監事、總經理、院士、教授、工程師；時間類標簽，包括但不限于專利申請日、專利申請年、專利公開日、專利公開年、任職日期、任職年限、投資時間。

7.根據權利要求1所述的方法，所述實體關系挖掘步驟包括建立數據樣本空間，進行樣本空間修剪以及建立基于Hadoop的關系挖掘處理方案三個步驟，其中利用層次聚類方法，將訓練數據樣本空間進行聚類修剪。

8.根據權利要求1或7之一所述的方法，在獲得層次聚類后的樣本簇后，根據預先設定的核心關聯關系，基于定義的推理規則對候選關聯實體對進行推理，得到更多的擴展關聯實體關系，所述核心關聯關系包括但不限于股東、投資、并購、高管、技術合作、技術轉移、技術許可、工程師流動、高管流動、競爭、上下游；所述推理規則包括語義推理和傳遞推理。