[發(fā)明專利]一種專利技術(shù)領(lǐng)域的創(chuàng)新主題挖掘方法

在審

• 申請?zhí)枺?/td>: 202110233670.8
• 申請日: 2021-03-03
• 公開（公告）號: CN113297839A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計）人: 玄洪升;李明明;潘心冰;顧英健;郭保榮
• 申請（專利權(quán)）人: 浪潮云信息技術(shù)股份公司
• 主分類號: G06F40/216
• 分類號: G06F40/216
• 代理公司: 濟南信達專利事務(wù)所有限公司 37100
• 代理人: 馮春連

1.一種專利技術(shù)領(lǐng)域的創(chuàng)新主題挖掘方法，其特征在于,其實現(xiàn)包括：

步驟S1、數(shù)據(jù)準(zhǔn)備階段：獲取專利技術(shù)領(lǐng)域A的專利文獻，對獲取的專利文獻進行預(yù)處理，構(gòu)建向量空間模型，其中，所述“專利技術(shù)領(lǐng)域A”中“A”為國際專利分類表8個部類中的任一技術(shù)領(lǐng)域；

步驟S2、數(shù)據(jù)處理階段：

步驟S2.1、基于困惑度的方法確定最優(yōu)主題數(shù)，構(gòu)建LDA主題模型，并生成文檔-主題矩陣和主題-特征詞矩陣，其中，構(gòu)建LDA主題模型的具體操作包括：

步驟S2.1.1、將獲取的專利文獻存儲于數(shù)據(jù)集，將數(shù)據(jù)集隨機劃分為訓(xùn)練集與測試集，

步驟S2.1.2、針對獲取的專利文獻，使用基于困惑度的方法確定最優(yōu)主題數(shù)，

步驟S2.1.3、使用向量空間模型對訓(xùn)練集、測試集進行加權(quán)處理，并利用加權(quán)后的訓(xùn)練集構(gòu)建LDA模型，

步驟S2.1.4、將測試集作為語料，計算LDA模型在不同主題下的困惑度，并選取困惑度最小的主題數(shù)作為LDA模型的最優(yōu)主題數(shù)，

步驟S2.1.5、以加權(quán)測試集和最優(yōu)主題數(shù)作為構(gòu)建元素，基于LDA模型，構(gòu)建LDA主題模型，

步驟S2.2、針對主題-特征詞矩陣，利用四分位數(shù)法將每個主題下的特征詞按照概率值降序排列，并選擇前四分之一的特征詞，得到四分化主題-特征詞概率分布矩陣；

步驟S3、鄰接矩陣二值化階段：

步驟S3.1、對四分化主題-特征詞概率分布矩陣進行關(guān)聯(lián)統(tǒng)計，得到主題間相同特征詞，具體操作為：

步驟S3.1.1、按行遍歷四分化主題-特征詞概率分布矩陣，

步驟S3.1.2、關(guān)聯(lián)統(tǒng)計第一行與第二行數(shù)據(jù)擁有相同特征詞的數(shù)目，繼續(xù)統(tǒng)計第一行與第三行直至最后一行數(shù)據(jù)具有相同特征詞的數(shù)目，

步驟S3.1.3、關(guān)聯(lián)統(tǒng)計第二行與第三行數(shù)據(jù)擁有相同特征詞的數(shù)目，繼續(xù)統(tǒng)計第二行與第四行直至最后一行數(shù)據(jù)具有相同特征詞的數(shù)目，

步驟S3.1.4、由步驟S3.1.3類推，直到關(guān)聯(lián)統(tǒng)計倒數(shù)第二行與倒數(shù)第一行數(shù)據(jù)擁有相同特征詞的數(shù)目，關(guān)聯(lián)統(tǒng)計結(jié)束完成對主題間相同特征詞的統(tǒng)計，

步驟S3.2、根據(jù)得到的主題間相同特征詞構(gòu)建鄰接矩陣，通過定義鄰接矩陣的二值化規(guī)則，完成鄰接矩陣的二值化處理，其中，定義的二值化規(guī)則為：

y(i,j)＝1if?x(i,j)＞＝1,and?0otherwise.(1)

規(guī)則(1)中x(i,j)表示鄰接矩陣中i行與j列的關(guān)聯(lián)值，y(i,j)表示二值化后的值，

規(guī)則(1)表示當(dāng)鄰接矩陣中行與列的關(guān)聯(lián)值滿足大于等于1時，二值化后的值為1，否則，二值化后的值為0；

步驟S4、創(chuàng)新主題挖掘階段：

步驟S4.1、基于二值化處理后的鄰接矩陣，繪制專利主題網(wǎng)絡(luò)圖，

步驟S4.2、利用結(jié)構(gòu)洞度量算法，根據(jù)不同主題占據(jù)專利主題網(wǎng)絡(luò)圖的結(jié)構(gòu)洞數(shù)量，挖掘?qū)＠夹g(shù)領(lǐng)域A的創(chuàng)新主題，這一過程具體包括：

首先，使用Burt提出的結(jié)構(gòu)洞度量算法進行結(jié)構(gòu)洞度量，分析得出的度量結(jié)果，

隨后，使用Freeman提出的中介中心度算法度量節(jié)點的結(jié)構(gòu)洞數(shù)量，分析得出的結(jié)果，

再隨后，使用皮爾遜積矩相關(guān)系數(shù)，對結(jié)構(gòu)洞度量算法得出的結(jié)果與中介中心度算法得出的結(jié)果進行相關(guān)性判別，

最后，根據(jù)判別結(jié)果，得到不同主題占據(jù)專利主題網(wǎng)絡(luò)圖的結(jié)構(gòu)洞數(shù)量，進而挖掘?qū)＠夹g(shù)領(lǐng)域A的創(chuàng)新主題。

2.根據(jù)權(quán)利要求1所述的一種專利技術(shù)領(lǐng)域的創(chuàng)新主題挖掘方法，其特征在于，專利文獻來自于專利數(shù)據(jù)庫Total?Patent，每個專利文獻包括標(biāo)題、摘要、IPC分類號、權(quán)利要求四部分信息。

3.根據(jù)權(quán)利要求2所述的一種專利技術(shù)領(lǐng)域的創(chuàng)新主題挖掘方法，其特征在于，執(zhí)行步驟S1時，對獲取的專利文獻進行預(yù)處理的具體操作為：

基于獲取的專利文獻，首先對其語料進行分詞，然后去除停用詞、詞干還原，最后去除標(biāo)點符號、特殊符號和數(shù)字。

4.根據(jù)權(quán)利要求3所述的一種專利技術(shù)領(lǐng)域的創(chuàng)新主題挖掘方法，其特征在于，執(zhí)行步驟S1時，構(gòu)建向量空間模型的具體操作為：

基于預(yù)處理完成的專利文獻，確定特征詞數(shù)量；

將預(yù)處理后的語料轉(zhuǎn)換為詞頻TF矩陣；

將詞頻TF矩陣轉(zhuǎn)換成逆文本詞頻IDF矩陣；

將詞頻TF矩陣與逆文本詞頻IDF矩陣相乘，生成TF-IDF矩陣，該TF-IDF矩陣即為向量空間模型。