基于神經(jīng)網(wǎng)絡(luò)的專利智能侵權(quán)檢索研究
發(fā)布時(shí)間:2017-08-14 21:23
本文關(guān)鍵詞:基于神經(jīng)網(wǎng)絡(luò)的專利智能侵權(quán)檢索研究
更多相關(guān)文章: 侵權(quán)檢索 中文專利 SOM 模糊聚類 知識(shí)產(chǎn)權(quán)
【摘要】:專利作為知識(shí)產(chǎn)權(quán)中至關(guān)重要的一部分,已經(jīng)受到了各社會(huì)經(jīng)濟(jì)體的普遍關(guān)注,日益健全的專利保護(hù)機(jī)制一方面極大推動(dòng)了專利申請(qǐng)量和授權(quán)量的增加,另一方面也在很大程度上導(dǎo)致了專利侵權(quán)情況的頻繁出現(xiàn)。面對(duì)專利侵權(quán)案件的發(fā)生,原告與被告可能面臨長(zhǎng)時(shí)間的法律訴訟以及高額的賠償,對(duì)于涉及專利侵權(quán)的任何企業(yè)和個(gè)人,這都意味著沉重的負(fù)擔(dān)和巨大的成本。因此,為了有效規(guī)避上述風(fēng)險(xiǎn),,并為相關(guān)利益人提供權(quán)益保護(hù),合理而高效的專利侵權(quán)檢索方法顯得尤為重要。 本文在研究專利侵權(quán)檢索研究現(xiàn)狀的基礎(chǔ)上,以專利文獻(xiàn)的文本數(shù)據(jù)為基礎(chǔ),采用文本挖掘技術(shù),提出一種基于自組織映射(SOM)神經(jīng)網(wǎng)絡(luò)算法的中文專利侵權(quán)檢索模型,主要內(nèi)容包括中文專利文本數(shù)據(jù)的采集、文本信息的加工和優(yōu)化、中文專利侵權(quán)檢索模型的構(gòu)建及其主要功能模塊的實(shí)現(xiàn)。本文選取專利說(shuō)明書中的權(quán)項(xiàng)要求作為數(shù)據(jù)源。在文本預(yù)處理部分,首先采用語(yǔ)料庫(kù)編制技術(shù)領(lǐng)域詞表和停用詞表,并對(duì)專利數(shù)據(jù)集進(jìn)行專利篩選;其次,在復(fù)旦大學(xué)自然語(yǔ)言處理系統(tǒng)的基礎(chǔ)上,提出一種適合于中文專利權(quán)利要求書的分詞算法——TextRank算法,對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分詞處理;最后,通過(guò)對(duì)專利權(quán)項(xiàng)要求的關(guān)鍵詞進(jìn)行提取,并計(jì)算關(guān)鍵詞在專利中所占的權(quán)重大小,得到專利-關(guān)鍵詞共現(xiàn)矩陣。在中文專利侵權(quán)檢索模型構(gòu)建部分,本文采用SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,以Matlab軟件為平臺(tái),實(shí)現(xiàn)被檢專利的聚類分析,并通過(guò)進(jìn)一步歸類處理,檢索出待檢專利的疑似侵權(quán)專利組,最后,通過(guò)聚類結(jié)果的評(píng)價(jià)及專利權(quán)項(xiàng)要求書的比對(duì)分析,證明該方法具有可行性。另外,本文完成了上述模型的基本功能模塊的實(shí)現(xiàn)。 面對(duì)海量的專利文本信息,本文提出的方法旨在幫助可能涉及專利侵權(quán)的利益相關(guān)者快速方便地進(jìn)行中文專利的侵權(quán)檢索,一方面為企業(yè)的研發(fā)人員或?qū)@暾?qǐng)者提供準(zhǔn)確、全面的侵權(quán)檢索結(jié)果,避免新產(chǎn)品侵權(quán)或申請(qǐng)專利失敗,另一方面為專利審查人員提供快速、精確的專利審查方法,提高專利審查的時(shí)效性和準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,該方法能夠在一定程度上精簡(jiǎn)檢索過(guò)程、提高檢索準(zhǔn)確度。
【關(guān)鍵詞】:侵權(quán)檢索 中文專利 SOM 模糊聚類 知識(shí)產(chǎn)權(quán)
【學(xué)位授予單位】:北京工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2014
【分類號(hào)】:G306;G252.7
【目錄】:
- 摘要4-5
- Abstract5-9
- 第1章 緒論9-19
- 1.1 研究背景及意義9-11
- 1.1.1 問(wèn)題提出10
- 1.1.2 研究意義10-11
- 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-15
- 1.2.1 國(guó)外研究現(xiàn)狀11-12
- 1.2.2 國(guó)內(nèi)研究現(xiàn)狀12-14
- 1.2.3 研究現(xiàn)狀評(píng)述14-15
- 1.3 本文主要研究工作15-19
- 1.3.1 研究?jī)?nèi)容和研究路線15-17
- 1.3.2 論文組織結(jié)構(gòu)17-19
- 第2章 相關(guān)理論背景19-33
- 2.1 專利侵權(quán)檢索概述19-22
- 2.1.1 專利檢索的類型19-20
- 2.1.2 專利侵權(quán)檢索20-22
- 2.2 SOM 神經(jīng)網(wǎng)絡(luò)理論22-26
- 2.2.1 SOM 神經(jīng)網(wǎng)絡(luò)模型23-24
- 2.2.2 SOM 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法24-26
- 2.3 專利信息的文本挖掘理論26-29
- 2.3.1 專利文本挖掘概念26-27
- 2.3.2 TextRank 算法27
- 2.3.3 語(yǔ)料庫(kù)理論27-28
- 2.3.4 專利文本挖掘流程28-29
- 2.4 系統(tǒng)開(kāi)發(fā)環(huán)境介紹29-31
- 2.4.1 Visual Studio 2010 介紹29-31
- 2.4.2 Microsoft SQL Server 介紹31
- 2.5 本章小結(jié)31-33
- 第3章 專利數(shù)據(jù)采集及文本預(yù)處理33-53
- 3.1 中文專利數(shù)據(jù)來(lái)源及特征33-35
- 3.1.1 中文專利數(shù)據(jù)來(lái)源33
- 3.1.2 中文專利權(quán)項(xiàng)要求書的內(nèi)容及結(jié)構(gòu)特點(diǎn)33-35
- 3.2 專利數(shù)據(jù)的文本預(yù)處理35-51
- 3.2.1 專利領(lǐng)域語(yǔ)料庫(kù)的構(gòu)建35-37
- 3.2.2 專利領(lǐng)域的語(yǔ)料預(yù)處理37-47
- 3.2.3 專利領(lǐng)域的語(yǔ)料特征選擇和抽取47-51
- 3.3 本章小節(jié)51-53
- 第4章 中文專利侵權(quán)檢索模型構(gòu)建53-65
- 4.1 中文專利的侵權(quán)檢索簡(jiǎn)介53
- 4.2 中文專利侵權(quán)檢索模型的總體框架53-54
- 4.3 SOM 神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)54-56
- 4.3.1 基于 SOM 算法的模糊聚類54-55
- 4.3.2 SOM 聚類結(jié)果的評(píng)價(jià)55-56
- 4.4 專利侵權(quán)檢索實(shí)驗(yàn)結(jié)果及分析56-63
- 4.4.1 實(shí)驗(yàn)假設(shè)56-57
- 4.4.2 數(shù)據(jù)獲取與處理57-59
- 4.4.3 SOM 網(wǎng)絡(luò)設(shè)計(jì)59-60
- 4.4.4 實(shí)驗(yàn)結(jié)果及分析60-63
- 4.5 本章小結(jié)63-65
- 第5章 中文專利侵權(quán)檢索原型系統(tǒng)實(shí)現(xiàn)65-83
- 5.1 系統(tǒng)架構(gòu)及數(shù)據(jù)流程圖65-68
- 5.2 原型系統(tǒng)主要功能模塊展示68-75
- 5.3 原型系統(tǒng)實(shí)現(xiàn)的主要算法及語(yǔ)法75-82
- 5.4 本章小結(jié)82-83
- 結(jié)論83-85
- 參考文獻(xiàn)85-89
- 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文89-91
- 致謝91
【參考文獻(xiàn)】
中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條
1 郭煒強(qiáng),文軍,文貴華;基于貝葉斯模型的專利分類[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年08期
本文編號(hào):674774
本文鏈接:http://sikaile.net/guanlilunwen/keyanlw/674774.html
最近更新
教材專著