田鹏伟 张 娴

(1. 中国科学院成都文献情报中心知识产权研究咨询中心 成都 610041;2. 百度时代网络技术(北京)有限公司 北京 100085;3. 中国科学院大学经济与管理学院图书情报与档案管理系 北京 100190)

0 引 言

专利文献是记录技术创新过程与成果的重要载体，也是联系科技与经济两大范畴的重要信息介质。专利文本主题识别是采用文本数据挖掘手段发掘专利文献中具有可研究性及经济价值的主题信息，有助于把握技术创新前沿、预测技术发展趋势。然而，专利数据不同于一般的科学文献，其语言表述晦涩性、文本组织结构特殊性增加了文本主题识别的难度，削弱了通用文本挖掘方法直接套用于专利文本主题识别的应用效果。

目前专利文本主题识别相关研究大致可划分为三个阶段：(1)基于专利技术主题词、主题词关联关系表征，研究专利文本的主题[1]；(2)采用共词分析方法、多元关系网络，对专利文献进行建模，获取专利文本的主题[2-4]；(3)应用文本挖掘技术(如LDA等主题模型)分析专利文献，挖掘专利的主题[5-6]。现有研究局限主要体现在三方面：a.将专利数据视作普通文本数据处理[7]。专利文献用语晦涩，增加了文本处理难度，通用分词结果难以达到理想的技术主题挖掘效果。b.主题识别分析维度单一，缺乏多维视角[8]。主题识别研究多依赖于主题词共现网络，或发明人、专利权人、IPC等属性网络，少有涉及多维网络融合视角研究主题识别[9-12]。c.逐渐重视将多维、异构建模思维应用于专利分析，但针对专利技术主题识别方面的研究较少[13-14]。……