基于“任务流”模型的专利知识提取与重用研究

创新设计是指充分发挥设计者的创造力，利用人类已有的相关科技成果进行创新构思，设计出具有科学性、新颖性及实用性的产品的一种实践活动。专利是创新设计主要的结果形式，是设计者创造思维和创造技法的结晶，含有大量可以辅助后续创新的知识。然而专利文本晦涩难懂，应用专利知识辅助创新困难重重，因此对专利知识的提取与重用的研究具有重要意义。

专利知识研究

当前针对专利知识的研究，可分为宏观和微观两个方向。宏观研究指的是专利地图的研究，是一种将某领域内专利信息地图化，通过图表建立专利战略、专利管理的理论和方法。微观专利知识研究主要是针对单一专利文本的知识挖掘、提取和表达机制研究，可以理解为一种专利知识管理。本文的研究属于后者。当前，该领域内研究的主要问题是专利中非结构知识的结构化，为设计中解决具体技术问题提供参考。例如，浙江大学王朝霞博士从概念设计知识空间角度对专利知识进行了分析，搭建了层次化的专利知识架构，并且进一步提出了基于信息抽取技术的专利知识挖掘模式。然而，这些研究成果对创新设计过程中的概念设计的激发作用不足，而这种激发作用正是专利等参考知识的重要价值之一。

专利知识结构体系分析

本文结合概念设计知识框架，即“需求-功能-原理-结构”，以及专利文本的结构特点，对专利的知识结构做了系统梳理。将专利文本中所包含的知识分为表层专利知识和深层专利知识两大类。表层专利知识相对直观，可以在专利说明书的不同板块中直接获取，需求知识、结构知识、功能知识、效应原理知识均属于表层知识。深层专利知识——创新原理知识相对隐蔽，需要在获取表层信息基础上作进一步地推演。深层专利知识对概念设计的激发作用较强。

专利创新原理知识描述

专利中的创新原理知识有两类，一是专利产品在“需求-功能”设计阶段，功能结构中所蕴含的思维创新原理。机电产品的概念设计过程分为需求设计，功能设计，效应原理设计，结构设计四个阶段。功能指满足产品需求的所有功能及功能关系集合，通常不偏向具体技术方案。在许多情况下，功能结构可以在实现总功能这一目标下进行变异。这种专利文本中隐含着的变异路线或方法，即思维创新原理。另外一种创新原理知识是体现在实现某一具体功能的结构设计中所运用的技术创新原理。分功能或子功能的实现依托于结构设计，使得某一功能得以实现所采用的结构设计方法即为技术创新原理。其实在结构设计阶段也存有思维创新原理，不过其主要存在于“需求-功能”设计阶段。思维创新原理和技术创新原理能够对创新设计从思维方法和技术实现两方面提供最为直接和有力的支持。

基于“任务流”模型的创新原理知识提取与重用

任务流

机电产品由于其领域特性，有各种抽象的“流”穿插其中，有的贯穿始终如“能量流”，有的是阶段性的如“信息流”，有的则是穿插和置换性的如“物质流”。专利中的“任务流”是指产品使用过程中子任务运作的关系集合，以时间为维度，子任务之间存在并行，顺次，循环往复等各种关系。事实上，在专利中所有的“流”都可以用任务贯穿起来，分析一个有代表性的任务流程，就可以考察动态的专利知识结构，进而更好地提取和重用专利知识。

创新原理知识提取

“任务流”与专利知识层级的结合

“任务流”以时间为维度，可以理解为用动态的视角观察专利，将专利理解为横向任务进程。同时，我们还可以以四个平行的专利知识层级结构（需求、功能、效应原理、结构）为参考，从空间视角看待专利知识，将其理解为纵向层级结构。在“任务流”行进过程中，四个知识层级有着同步、独立的运作关系。由“任务流”组成的横向进程和由层级结构组成的纵向关系交织地构成了专利创新知识的发掘平台——“任务流”模型。通过对专利知识结构的动态分析，可以清楚地找到能够用于专利深层知识（即创新原理知识）逆推的，彼此对应的各层表层专利知识，而通常情况下，专利文本中的各层表层知识是零散的。

创新原理知识提取流程

机电产品创新原理的提取需要借助“任务流”模型对表层知识进行逆推，逆推而得的初始原理知识可进一步借助TRIZ发明原理的语法模式进行规范化表达。如果恰与某条TRIZ发明原理匹配则直接使用该名称进行表达，如果没有可以描述该知识的发明原理则参考TRIZ的命名原则命名。

专利创新原理知识重用思考

逆推，并经规范化描述后得到的创新原理与之前的“任务流”模型可作为专利文本的辅助形式一同输出，为设计人员的创新设计提供支持。创新原理不是一个固定的工具或步骤，而是一套基于特定环境的观察和思考的模式。因为设计问题的复杂性，孤立的原理并不能很有效地指导设计，这种创新原理与“任务流”一同输出的形式恰好给设计师一个审视的“角度”，一类描述的“语言”以及一种思考的“模式”。

总结与展望

本文对专利创新原理知识做了系统论述，并创新性地将“任务流”模型应用于专利创新原理的提取和重用。本文成果或可用于智库专利检索输出形式的方案设计，使用户能够相对容易和便捷地获取专利深层知识——创新原理，从而激发概念设计，促进创新方案的产生。 不足之处在于文中专利数据的采集、创新原理知识的推导以及可视化效果的输出基本为人工操作，因此后续的工作重点将是运用自然语言理解技术与计算机图形手段真正实现该模型。

10.3969/j.issn.1001- 8972.2016.15.041